推荐系统
文章平均质量分 93
捡起一束光
某985本硕,热爱分享推荐系统、自然语言处理等优质内容的算法工程师
展开
-
推荐系统:Swing召回模型Python代码实现
Swing和ItemCF非常像,唯一的区别是计算物品相似度的公式不一样。- ItemCF:如果同时喜欢两个物品的用户越多,那么这两个物品的相似度越高。- Swing:如果同时喜欢两个物品的用户越多,**且这些用户的重合度越低**,那么这两个物品的相似度越高。原创 2022-10-16 23:34:14 · 1632 阅读 · 1 评论 -
RS笔记:深度推荐模型之Wide&Deep [2016.6 谷歌]
Memorization 和 Generalization:在Wide&Deep 论文中,通篇都是这两个词,必须搞懂是怎么回事!这个是从人类的认知学习过程中演化来的。人类的大脑很复杂,它可以记忆 (memorize) 下每天发生的事情(麻雀可以飞,鸽子可以飞)然后泛化 (generalize) 这些知识到之前没有看到过的东西(有翅膀的动物都能飞)。但是泛化的规则有时候不是特别的准,有时候会出错(有翅膀的动物都能飞吗)。那怎么办那,没关系,记忆 (memorization) 可以修正泛化...原创 2022-09-01 17:21:16 · 531 阅读 · 0 评论 -
RS笔记:深度推荐模型之SIM长短期兴趣网络(基于搜索的超长行为序列上的用户长期兴趣建模)[CIKM 2020, 阿里妈妈广告团队]
数据让电商给用户带来了完全不同的体验,淘宝拥有用户从初入淘宝开始 life-long 的行为数据。通过这些数据,推荐系统可以推测用户的兴趣,给每个用户个性化的体验,给用户展现其可能感兴趣的商品,极大的增加了用户在逛淘宝过程中的信息获取效率。如图一所示,我们引入更丰富的用户数据,对于用户点击行为预估将会更为准确。...原创 2022-09-01 17:19:58 · 534 阅读 · 0 评论 -
RS笔记:深度推荐模型之多任务学习PLE模型 [RecSys 2020 最佳论文 腾讯]
PLE(Progressive Layered Extraction)模型由腾讯PCG团队在2020年提出,发表在RecSys 2020上,这篇paper获得了recsys’20的best paper award,也算为腾讯脱离技术贫民的大业添砖加瓦了。这篇文章号称极大的缓解了多任务学习中存在的两大顽疾:**负迁移**(negative transfer)现象和**跷跷板**(seesaw phenomenon),由此带来了相比较其他MTL模型比较大的性能提升。...原创 2022-09-01 17:18:19 · 569 阅读 · 0 评论 -
RS笔记:工业界推荐系统YouTubeDNN模型(召回层+排序层)[2016 YouTube]
一、背景知识召回的目的是根据用户部分特征,从海量物品库,快速找到小部分用户潜在感兴趣的物品。粗排的目的是用少量用户和物品特征,对召回结果再进行一波筛选精排主要是融入更多特征,使用复杂模型,来做个性化推荐,强调准重排主要是结合精排的结果,再加上各种...原创 2022-07-17 21:59:30 · 554 阅读 · 0 评论 -
RS笔记:传统推荐模型之FFM (引入特征域的概念) [2015 Criteo]
FFM一、背景知识1.1 什么是特征域学习资料paper: Field-aware Factorization Machines for CTR Prediction⭐⭐⭐ [blog] FFM算法介绍一、背景知识1.1 什么是特征域原创 2022-05-05 12:46:02 · 2531 阅读 · 1 评论