![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
文章平均质量分 95
JinyuZ1996
Standing on the shoulder of giants.
展开
-
【投稿推荐】推荐系统相关CCF会议及SCI期刊 更新24-06-20
本文列出了笔者课题组整理的推荐系统相关的CCF推荐会议以及相关的SCI期刊,为大家投稿指明方向,许多顶刊也许中科院分区或影响因子并不高,但确实是业内普遍认可的顶刊,大家需要仔细识别。同理,许多CCF-B类的会议质量并不输于A类顶会,比如WSDM等。希望本文能够给科研小白提供帮助。原创 2022-04-07 16:36:11 · 23808 阅读 · 17 评论 -
【科研分享】推荐算法指标总结(ACC,Precision,Recall,F1,FPR,TPR,ROC,AUC,MAP,MRR,HR,NDCG...)
常用的推荐算法指标解释总结1. 指标计算的参数(TP,TN,FP,FN) TP:被正确分类的正例(True-Positive),即正例被分成正例的样本。 TN:被正确分类的负例(True-Negative),即负例被分成负例的样本。 FP:被错误分类的负例(False-Positive),即本来是负例却被分成了正例的样本。 FN:被错误分类的正例(False-Negative),即本来是正例却被分成了负例的样本。2. 预测精准度(Accuracy) 即被正确分类的正例和原创 2021-03-08 22:05:03 · 18551 阅读 · 4 评论 -
【论文精读】Hierarchical Reinforcement Learning for Course Recommendation in MOOCs 2019 AAAI
【小干货】一篇分层强化学习推荐模型的论文分析 本文通过论文精读,介绍了一下分层强化学习技术的细节,论文传送门贴在最下方。该论文是发表在AAAI 2019的顶会论文,想用分层强化学习改善推荐模型的同学都可以来学习一下,码字不易喜欢的话可以评论交流。 其实本来我关注的模型复杂度都比较简单的,也是最近在导师的影响下,才开始研究这篇分层强化学习的paper,收获很大,文章难度适中,在这里给大家写一写我对它的分析,希望能帮的上忙,让大家学习得更快一点(PS:我之前刚开始学习的时候搜过还没有人分析过这篇pa原创 2020-12-30 19:43:37 · 2677 阅读 · 6 评论 -
【学习笔记】学习特征交叉类经典模型POLY2、FM、FFM
特征交叉类经典推荐模型——POLY2、FM、FFM 本系列第四篇文章,我们来学习一下什么是特征交叉类推荐模型。这同样是一系列非常经典的推荐系统模型。上一节我们也说到了,逻辑回归LR模型很简单,同时它的表达能力不是很强,会不可避免的造成信息丢失。有很大的局限性,最主要的就是他无法同时考虑多维特征共同作用的影响,也就是特征交叉的重要作用。因为我们知道的,有些情况下仅仅依靠单一的特征而非交叉特征进行判断的情况下有时不仅会导致信息损失,甚至可能导致得出的结论是错误的。如果大家曾经了解过‘辛普森悖论’,那么也许原创 2020-11-30 19:48:30 · 3583 阅读 · 13 评论 -
【学习笔记】学习逻辑回归Logistic Regression及延伸阅读
【概念解析】融合多种特征——逻辑回归推荐模型 那么接下来就该介绍第三种比较经典的推荐模型了,逻辑回归模型,事实上在学习机器学习阶段的时候大家可能就已经在李航老师的《统计学习方法》或者周志华老师的西瓜书里面学习过逻辑回归的基本概念了,那如果说我们把这种成熟的机器学习技术应用到我们的推荐领域呢。显然,比起我们前面提及的协同过滤经典模型要更有优势。相比于协同过滤仅仅利用用户与物品的相互行为信息进行推荐,逻辑回归模型能够综合利用用户、物品、上下文等多种不同的特征。生成更为全面的推荐结果。 另外一方面,逻原创 2020-11-10 10:51:08 · 1458 阅读 · 0 评论 -
【学习笔记】矩阵分解Matrix Factorization及延伸阅读
全面理解矩阵分解MF在推荐系统中的应用 那么,这是本系列的第二篇文章,讨论的是关于第一篇协同过滤之后的改进算法矩阵分解(MF),我会从多个方面讨论该算法的与案例以及它的优缺点。矩阵分解并不是某一种单一的方法,虽然我们最常用的是其中的梯度下降法,但是你会发现在我们之前学习的线性代数中有很多技术可以拿来实现矩阵分解,比如特征值分解ED和奇异值分解SVD,只不过这两种方法都有自己的不足而无法满足实际推荐系统的需要,我会在下文中说明为什么历史选择了梯度下降法。其实,我发现我在上一节最后一部分给出的案例代码当中原创 2020-10-05 19:09:09 · 2914 阅读 · 1 评论 -
【学习笔记】协同过滤Collaborative Filtering及小案例实践
全面理解经典协同过滤在推荐系统中的应用 王喆老师在的《深度学习推荐系统》一书中提到过,即使在深度学习空前流行的今天,协同过滤、逻辑回归、因子分解机等传统推荐方法仍然可以凭借其可解释性强、硬件环境要求低、易于部署和训练的天然优势而拥有大量的应用场景,而在机器学习过程中,我记得大概是学到SVD奇异值分解那一块儿的时候,《机器学习实战》一书中也为大家做过一个简单的基于物品协同过滤推荐的案例(想了一下,好像没法过,我还是放在最后面吧)。这也就是说如果我们想要深入的去探索推荐系统的话同时也需要对这些早期的传统推原创 2020-10-03 15:07:08 · 2280 阅读 · 0 评论