![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
文章平均质量分 56
该专栏主要从开始的数据处理,模型选择,模型训练,以及模型更新换代等角度来逐步的分析记录推荐系统
Coding~Man
这个作者很懒,什么都没留下…
展开
-
Ripplenet
Ripplenet原创 2022-08-13 18:26:29 · 305 阅读 · 1 评论 -
KGAT推荐系统
KGAT推荐系统原创 2022-08-05 20:39:24 · 1543 阅读 · 0 评论 -
推荐系统_刘老师
推荐系统系列原创 2022-08-03 14:43:18 · 88 阅读 · 0 评论 -
推荐系统预测篇
推荐系统预测原创 2022-07-14 19:11:19 · 365 阅读 · 0 评论 -
推荐系统损失函数
推荐系统损失函数原创 2022-07-14 11:24:23 · 1388 阅读 · 0 评论 -
推荐算法关键数据处理过程
数据处理过程原创 2022-07-14 10:10:11 · 222 阅读 · 0 评论 -
知识图谱推荐
知识图谱介绍原创 2022-07-14 09:27:30 · 107 阅读 · 0 评论 -
推荐系统_数据分割train_valid_test
推荐系统如何切分数据原创 2022-07-02 17:13:50 · 673 阅读 · 0 评论 -
推荐系统_所有评价模块
推荐算法评价模块原创 2022-07-01 19:04:51 · 341 阅读 · 0 评论 -
推荐系统_各种方法的损失计算过程
推荐系统损失计算原创 2022-06-30 21:35:19 · 1243 阅读 · 0 评论 -
推荐系统之BRP
BRP原创 2022-06-22 16:27:47 · 324 阅读 · 0 评论 -
构建企业级推荐系统
推荐算法原创 2022-06-22 16:27:26 · 174 阅读 · 0 评论 -
推荐系统常用知识点
1:常见的推荐系统分为两类FM系列:因子分解剂系列 xdeepfm等因子分解剂到最后都是分类问题,二分类问题。例如:广告预估中的是否点击问题。CF系列:协同过滤系列 BPR ,一般的general_recommender都是协同过滤系列。2:常见的深度学习模型RNN:recursive neural network循环递归神经网络(Recurrent Neural Network, RNN)是一类以序列(sequence)数据为输入,在序列的演进方向进行递归(recursion)且所有节点原创 2022-06-22 16:25:36 · 287 阅读 · 0 评论 -
推荐系统之xDeepFM
1:xDeepFM系统架构图极其深的因子分解剂模型https://blog.csdn.net/weixin_45658131/article/details/116713285CIN:Compressed Interaction Network 在形式上是RNN和CNN模型的结合。原创 2022-06-22 16:24:40 · 82 阅读 · 0 评论 -
序列模型-小思考
基于知识图谱的推荐基于序列的推荐基于协同过滤的推荐基于上下文的推荐序列模型解决问题:和用户不相关的,比如头条新闻,用户没有登陆,只要根据行为,比如点击了哪里,在输入框中输入的关键词,浏览量什么频道的消息。只要有相似的行为,就可以推荐相似的新闻,这样就越过了用户信息。比如用户在美团上一小时搜索了的食物,我们就推荐搜索相关的食物。冷启动问题:最新商品热门商品把一个东西表示成向量有几种模式:1:浮点型,比如年龄,把年龄分别乘上一个固定的初始64维向量。2:类别型,比如性别,男女。随机初始化成原创 2022-06-22 16:24:11 · 56 阅读 · 0 评论 -
推荐系统_各个评价指标
损失函数原创 2022-06-14 19:19:51 · 293 阅读 · 0 评论 -
推荐系统_常见的推荐系统架构构造
推荐系统原创 2022-06-11 19:51:36 · 716 阅读 · 0 评论 -
推荐系统常见术语
推荐系统原创 2022-06-06 20:32:18 · 195 阅读 · 0 评论 -
推荐系统之BRP损失函数设计
1:将封装好的interaction数据放在损失函数里面,计算损失。losses = loss_func(interaction)interaction值为:The batch_size of interaction: 2048user_id, torch.Size([2048]), cpu, torch.int64item_id, torch.Size([2048]), cpu, torch.int64rating, torch.Size([2048]), cpu, torch.float3原创 2022-05-15 18:37:25 · 924 阅读 · 0 评论 -
推荐系统之BRP模型训练-负样本采样
1:调用负样本采样函数进行负采样。 def _neg_sampling(self, inter_feat):inter_feat参数值为:The batch_size of interaction: 2048user_id, torch.Size([2048]), cpu, torch.int64item_id, torch.Size([2048]), cpu, torch.int64rating, torch.Size([2048]), cpu, torch.float32timesta原创 2022-05-14 21:44:47 · 657 阅读 · 0 评论 -
推荐系统之BRP模型获取及初始化
1:模型获取BPR 是一个基本的矩阵分解模型,以成对的方式进行训练。model = get_model(config['model'])(config, train_data).to(config['device'])2:拼接模型路径module_path = '.'.join(['rec.model', submodule, model_file_name])获取的模型路径rec.model.general_recommender.bpr拼接模型 if importlib.util.f原创 2022-05-12 16:20:44 · 581 阅读 · 0 评论