- 博客(4)
- 资源 (20)
- 收藏
- 关注
RSS订阅原创 《Collaborative Deep Learning for Recommender Systems》整理以及未理解的部分问题（求解答）
1 原文2 整理（参考搜狐技术产品，相关资料感觉好少。。。）2.1 摘要协同过滤作为集体智慧方法的典型代表作，在推荐系统的发展过程中占据着很高的位置，其简单容易理解的特性使其成为了大多企业的首要推荐方法，也带来了很好的推荐效果。但是作为集体智慧，其发挥的场景也往往受限，例如稀疏数据下的协同过滤就往往难以发挥很好的作用；协同过滤往往只采用了ID特征（或者评分特征）对其本身的...
2019-02-28 09:07:06
1705
1
原创 《AutoRec: Autoencoders Meet Collaborative Filtering》理解
1 论文原文2 理解2.1 本文目的通过AutoEncoder模型来预测用户-物品矩阵(评分矩阵M x N.)中缺失的评分值。2.2 模型1、模型输入item-based：每个item用各个user对它的打分作为其向量描述（user-based：每个user用该user对各个item的打分作为输入）。2、模型输出将模型对input重建后的新向量里对应位置的值认为是预测值3...
2019-02-26 15:32:55
2453
原创 《Restricted Boltzmann Machines for Collaborative Filtering》理解与资料整理
1 原文如下2 理解这篇文章尝试把RBM应用到协同过滤中，在netflix上的数据集做实验，RBM方法与SVD方法线性插值相结合，能提高系统性能6%左右。2.1问题描述：对电影的推荐，用户对电影集合中的某个电影进行打分，分值区间为(0, k]。基于user-based的协同过滤算法，用用户对电影的打分形成一个整数向量，用来表征用户特征，进一步计算用户之间的相似度。这篇文章...
2019-02-25 09:28:35
1753
翻译 Wide & Deep Learning for Recommender Systems 翻译
摘要通过将稀疏数据的非线性转化特征应用在广义线性模型中被广泛应用于大规模的回归和分类问题。通过广泛的使用交叉特征转化，使得特征交互的记忆性是有效的，并且具有可解释性，而然不得不做许多的特征工作。相对来说，通过从稀疏数据中学习低纬稠密embedding特征，并应用到深度学习中，只需要少量的特征工程就能对潜在的特征组合具有更好的范化性。 但是当用户项目交互是稀疏和高纬数据的时候，利用了embed...
2019-02-22 09:10:34
2786
2
tensorflow-DeepFM-master.zip
2019-03-22
LDA主题模型.zip
2019-01-05
推荐相关.zip
2018-10-28
精益数据分析1.pdf
2018-10-14
集体智慧编程.pdf
2018-10-14
推荐系统实践.pdf
2018-10-10
受限玻尔兹曼机笔记.pdf
2018-04-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人