![](https://img-blog.csdnimg.cn/20190912160717953.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
推荐系统
文章平均质量分 53
推荐系统算法及实践。
rosefunR
每次都多付出一点. 欢迎关注公众号《机器学习与算法之道》
展开
-
correct-softmax:谷歌youtube召回修正样本采样双塔模型
谷歌团队在2019年提出的基于采样偏差修正的双塔模型。原创 2022-11-13 21:10:40 · 1018 阅读 · 1 评论 -
Flink简介
Apache Flink是由Apache软件基金会开发的开源流处理框架,其核心是用Java和Scala编写的分布式流数据流引擎。[1][2]Flink以数据并行和管道方式执行任意流数据程序[3],Flink的流水线运行时系统可以执行批处理和流处理程序。[4][5]此外,Flink的运行时本身也支持迭代算法的执行。[6]Flink提供高吞吐量、低延迟的流数据引擎[7]以及对事件-时间处理和状态管理的支持。Flink应用程序在发生机器故障时具有容错能力,并且支持exactly-once语义。[8]程序可以用J原创 2021-01-05 22:12:26 · 2635 阅读 · 0 评论 -
(待完善)[零基础入门推荐系统(2)]基于二向图的召回算法(python代码实现)
1. 基于图的模型用户行为很容易用二分图表示,从而给用户进行个性化推荐。2. 用户行为数据的二分图表示用户行为数据由一系列的二元组组成,其中,每个二元组(u,i)(u,i)(u,i)表示用户uuu对物品iii产生过行为。令G(V,E)G(V,E)G(V,E)表示用户物品二分图,其中,V=VU∪VIV=V_U\cup V_IV=VU∪VI由用户顶点集合VUV_UVU 和物品顶点集合VIV_IVI组成。对应数据集中每一个二元组(u,i)(u,i)(u,i),图中都有对应的边e(vu,vi)e(v原创 2020-10-24 09:54:03 · 8632 阅读 · 0 评论 -
[零基础入门推荐系统(1)]基于用户和基于物品的协同过滤方法(python代码实现)
1. 前言: 为什么会有该系列?最近,打算写《零基础入门推荐系统》系列,为了系统地介绍推荐系统知识,以及加强基础的实践能力。该系列将结合一些书籍,比如项亮的《推荐系统实践》,由于项亮的推荐系统实践更偏项目以及工程设计,对模型介绍比较少,为了弥补这一不足,《零基础入门推荐系统》会更多地介绍一些基础推荐算法模型,比如FM,DeepFM,DIN等模型。当然,每个模型会结合数学原理和python代码进行介绍,强化理论知识和实践能力。2. 推荐系统的几种评测指标对用户uuu推荐NNN个物品(记为R(u)R(u原创 2020-10-17 15:39:13 · 9325 阅读 · 1 评论 -
CTR模型:AFM
1. 简介FM模型将所有二阶交叉特征都认为同等重要, 一些二阶交叉特征是没有价值的,可能会引入噪声并且降低模型性能。AFM(Attentional FM)在2017年被提出,通过Attention机制来自动学习每个二阶交叉特征的重要性。和Wide&Deep, DeepCross等模型相比,AFM结构简单,参数更少,效果更好,AFM有更好的解释性,通过注意力权重知道哪些交叉特征对于预测贡献大。2. AFM 模型(1)Embedding层将每个特征映射到dense向量表示, 映射到向量 v原创 2020-09-08 23:44:58 · 8827 阅读 · 0 评论 -
CTR模型:NFM
1. 简介FM模型可以捕捉二阶特征,但只能线性组合,无法学习非线性关系。DNN虽然可以学习非线性特征交互,但深度网络难于训练。NFM(Neural Factorization Machines for Sparse Predictive Analytics∗)模型在2017年被提出。该模型结果FM二阶特征交互的线性,以及DNN高阶特征交互的非线性。FM 是NFM的特例,和Wide & Deep, Deep Crossing相比, NFM网络结构更浅,预测能力更强。NFM模型引入了二阶交叉原创 2020-09-08 23:13:22 · 9003 阅读 · 0 评论 -
CTR之FM模型及keras实现
class FM(Layer): """Factorization Machine models pairwise (order-2) feature interactions without linear term and bias. Input shape - 3D tensor with shape: ``(batch_size,field_si...原创 2020-04-27 23:31:15 · 9630 阅读 · 2 评论 -
推荐系统:排序算法(pointwise,pairwise,Listwise)
1. 概念排序学习是机器学习在信息检索系统里的应用,其目标是构建一个排序模型用于对列表进行排序。2. 排序方法2.1 Pointwise 方法Pointwise方法是通过近似为回归问题解决排序问题,将每个查询-文档对的相关性得分作为实数分数或者序数分数,训练排序模型。预测时候对于指定输入,给出查询-文档对的相关性得分。模型在参数训练阶段只考虑对每个<用户,物品>独立的打分,...原创 2020-01-07 14:58:05 · 17060 阅读 · 0 评论 -
CTR模型:推荐系统DeepFM模型
1.简介DeepFM模型:FM模型:使用向量内积作为成对的特征交互;虽然FM可以对特征高阶交互进行建模,但是复杂度高,一般就二阶特征交互。此外,FM模型的wide 网络仍然需要专业的特征构建。DeepFM:集成了FM模型和DNN模型,同时提取低阶和高阶的特征。2.DeepFM数据集(χ,y)(\chi, y)(χ,y),参考:DeepFM: A Factorization-M...原创 2020-09-08 21:22:30 · 8567 阅读 · 1 评论 -
推荐系统基础(4):Hulu实例
1. Hulu:视频广告系统中的算法实践① 广告定向,涉及到:预估模型:例如用户标签的补全,构建 lookalike 模型等等主题模型:使用无监督方式挖掘用户属性图像识别技术:识别视频内容中物体、场景、氛围等等,投放上下文相关视频广告② 库存预估,涉及到:时序预测算法:库存预估一般被建模成时序预测问题③ 流量匹配,涉及到:凸优化:使用凸优化进行离线流量匹配自动化控制理论 ( P...原创 2019-12-28 20:06:15 · 8620 阅读 · 0 评论 -
推荐系统入门经验
《推荐系统实践》《推荐系统开发实战》FM:《Factorization Machines》FFM:《Field-aware Factorization Machines for CTR Prediction》DeepFM:《DeepFM: A Factorization-Machine based Neural Network for CTR Prediction》Wide & ...转载 2019-12-04 19:54:28 · 8197 阅读 · 0 评论 -
推荐系统基础(1):模型训练及使用流程的标准化
参考:推荐系统中模型训练及使用流程的标准化;原创 2020-09-08 09:50:39 · 8978 阅读 · 0 评论 -
CTR 模型 NFFM
1 理论介绍详看zhihu nzc 介绍 NFFM;这里,可以看到,embedding 层 Matrix Embedding 的表示是field number(特征的个数)个矩阵组成。 也就是说, 一个 one hot 特征转换为一个矩阵, 这里矩阵的维度其实是, field_num * embedding_size; 这里选择 field_num 个而不是一个的原因是,它认为 每两个特征交...原创 2019-05-25 11:38:04 · 12088 阅读 · 0 评论 -
CTR模型:Wide&Deep 网络
Wide & Deep模型结合了LR和DNN,其框架图如下所示。参考:zhihu原创 2019-09-17 21:01:46 · 10037 阅读 · 0 评论 -
推荐系统基础(3):深度学习在推荐系统的技术进展(召回阶段用户Embedding如何学习)
1. 推荐系统与推荐模型排名预测TopN推荐分类模型推荐系统的两个阶段:召回(挑选候选集),排序(对候选集排序)2.基于表示学习的深度学习推荐模型DL 在召回阶段的关键:学习User 和 Item的Embedding表达。具体的方法有:无监督模式:Auto-encoder半监督模式:Auto-encoder + 矩阵分解监督方式:无监督方法:Auto-Enc...转载 2019-09-16 19:54:05 · 8803 阅读 · 0 评论 -
公路干线运输的AI应用
0. 背景公路运输平台,如运满满,希望实现个性化货源推荐,即根据司机的用户画像、历史行为数据和天气、道路、区位、货主信用等上下文数据,挖掘其兴趣,构建行为偏好模型,从而实现个性化推荐/推送/调度货源,让司机与货物的快速、精准匹配。涉及四个主体:司机(用户)及货车;货主及货源;或者概括为,车、货。1. 车货匹配的场景2. 调度与车货匹配的深度学习方案整车调度和推荐基于深度学习的车货匹...转载 2019-09-16 16:26:23 · 8666 阅读 · 1 评论 -
推荐系统中CTR排序模型汇总(LR,GBDT,FM,FFM,MLR,Deep and wide,Deep and cross,deepFM,XDeepFM,PNN,NFM,AFM)
1.CTRctr, click through rate,广告被点击次数 / 广告显示次数。2. CTR 传统预估模型CTR预估模型公式:y=f(x)y = f(x)y=f(x), y∈[0,1]y \in [0, 1]y∈[0,1], 表示广告被点击的概率。2.1 LRLR,logistic regression,是CTR预估模型的最基本模型,适用海量的高维离散特征。f(x)=11+...原创 2020-01-06 20:20:08 · 10854 阅读 · 0 评论 -
推荐系统基础(2):个性化推荐系统简述
1.推荐系统含义、目标推荐系统根据用户的历史、社交、上下文环境等信息去判断用户当前感兴趣的内容。推荐系统的业务:物料组装:生产广告,实现文案、图片等内容的个性化物料召回:在大量内容中召回一个子集作为推荐的内容物料排序:将召回的子集的内容按照某种标准进行精细排序运营策略:加入一些运营策略进行一部分的重新排序,再下发内容算法:召回、排序。召回的算法多种多样:itemCF、user...转载 2019-09-16 11:07:43 · 8961 阅读 · 0 评论 -
推荐系统CTR模型:阿里深度兴趣网络DIN
1.亮点模型改进:基准模型:DIN网络:改进:增加了Attention机制。Mini-batch Aware Regularization:对一个batch来进行L2正则化:疑问:平时使用的L2正则化不应该也是在一个batch来进行计算吗?DicePReLU:f(s)={s if s>0αs if s≤0=p(s)⋅...原创 2019-09-12 15:46:55 · 8945 阅读 · 0 评论