推荐算法
文章平均质量分 90
学习推荐算法ing
2021年开始学习推荐算法
展开
-
推荐系统学习——经典深度学习方法
3.1 深度学习在推荐系统中的应用1.AutoRec模型利用协同过滤中的共现矩阵完成物品向量(用户向量)的自编码,利用自编码对于评分进行预测。损失函数:minθ∑i=1n∥ri−h(ri;θ)∥o2+λ2(∥W∥F2+∥V∥F2)\underset{\theta}{min}\sum_{i=1}^n \parallel r^i - h(r^i;\theta) \parallel _o^2 + \frac{\lambda}{2}(\parallel W \parallel _F^2 + \paral原创 2021-01-12 17:14:39 · 694 阅读 · 0 评论 -
推荐算法学习 —— 传统推荐算法
1.推荐系统概览1.1 推荐系统是互联网的增长引擎 互联网企业的核心需求是“增长”,而推荐系统正处在增长引擎的核心位置。 推荐系统要解决的用户痛点是用户如何在信息过载的情况下高效的获得感兴趣的信息。 1.2 推荐系统的架构 数据部分 客户端及服务端实时数据处理 ——> 流处理平台准实时数据处理 ——> 大数据平台离线数据处理 场景信息 - 物品信息 - 用户信息 ——> 特诊工程 ——> 用户特征 - 物品特征 - 场景特征 模型部分 候选物品原创 2021-01-10 17:41:14 · 1302 阅读 · 0 评论