推荐系统
文章平均质量分 93
RecDay2018
这个作者很懒,什么都没留下…
展开
-
推荐系统 - 专栏目录
本文收录在推荐系统专栏,专栏系统化的整理推荐系统相关的算法和框架,并记录了相关实践经验,所有代码都已整理至推荐算法实战集合(hub-recsys)。通往机器学习算法工程师的进阶之路是崎岖险阻的,为了系统化的记录自己在推荐系统方向的学习和实践经验,特意开启了这个专栏进行了记录,主要涵盖「推荐系统基本概念」、「经典推荐算法」、「深度推荐算法」三大部分,并从原理和结构,优势和不足,实践和应用等方...原创 2020-04-12 18:57:38 · 210 阅读 · 0 评论 -
算法工作两年,我的思考和总结
18年毕业到现在,算法工程师的工作已过去两个年头,有挫败也有欢喜,感谢老板同事伙伴们的帮助。和工作第一年相比(我做算法工程师的第1年),在业务认识、工作方法、算法应用和落地有了不一样的体会和认识,趁着周末总结一番,与君共勉。|意愿和思维调整和工作第一年相比,我觉得最重要的一点是需要尽快的完成意愿和思维的调整,从任务思维快速转换至项目思维。任务思维:依赖他人对于任务的准确划分和定义,欠缺独立的思考和想法,容易陷入被动接受指导的境地,把按时完成任务作为自己工作成果的主要衡量指标,缺乏牵引和更深层次.原创 2020-06-06 18:34:51 · 493 阅读 · 0 评论 -
推荐系统 | KDD2019 阿里 Res-embedding for Deep Learning Based Click-Through Rate Prediction Modeling
这篇文章是阿里巴巴2019年KDD上的文章,区别以往在MLP层的改进,本篇文章更多关注embedding层的优化。可以带着以下几个问题进行论文阅读,1.为何需要改进Embedding层,2.数学推导证明改进Embedding对提升模型泛化性能的作用3. 如何改进embedding 及 res-embedding的设计4. 相关参数控制和实验结果论证目录1. 背景2. 理论分析2...原创 2020-05-21 15:53:10 · 1742 阅读 · 2 评论 -
推荐系统 - Google多目标学习MMOE(附tf2.0实现)
本文收录在推荐系统专栏,专栏系统化的整理推荐系统相关的算法和框架,并记录了相关实践经验,所有代码都已整理至推荐算法实战集合(hub-recsys)。1.背景何谓多任务,即在一个模型中考虑多个目标。在推荐系统中,往往需要同时优化多个业务目标,承担起更多的业务收益。如电商场景:希望能够同时优化点击率和转换率,使得平台具备更加的目标;信息流场景,希望提高用户点击率的基础上提高用户关注,点赞,...原创 2020-04-29 11:25:56 · 6640 阅读 · 0 评论 -
排序学习(Learning to rank)综述
一:背景介绍在互联网搜索诞生之初,检索模型所依赖的特征是相对简单的,这些特征的设计主要是基于查询词与文档的匹配程度,所用到的信息比如TF-IDF等。在互联网不断发展的今天,更多复杂而有效设计的特征被应用到检索计算里面,比如查询与文档深层次匹配,网页pagerank等,人工参数调整已经不能满足需求,此时机器学习被应用到这项任务中,同时由于互联网海量数据的特点,比如展现点击日志,基于大数据的lea...原创 2020-04-25 21:05:50 · 1236 阅读 · 0 评论 -
推荐系统 - 矩阵分解(SVD)原理和实战
一. 特征分解1.1 特征求解:1.2 标准化:1.3 特征分解条件二. SVD2.1 定义2.2 求解方法2.3 相关特性 2.4 SVD的python实现2.5 SVD在PCA中的应用三. 推荐系统中的SVD3.1 问题定义3.2 SVD应用3.2.1 traditional-SVD3.2.2FunkSVD3.2.3 BiasSVD3.2.4SVD++3.3 矩阵分解推荐小结3.4 SVD实现用户评分预测(MovieLens数据原创 2020-04-11 16:19:55 · 6350 阅读 · 1 评论 -
推荐系统 - 深度兴趣网络DIN(Deep Interest Network)浅析和实现
本文收录在推荐系统专栏,专栏系统化的整理推荐系统相关的算法和框架,并记录了相关实践经验,所有代码都已整理至推荐算法实战集合(hub-recsys)。目录一. 论文浅析1.1 注意力机制-attention1.2激活函数-Dice1.3 评价指标-GAUC1.4自适应正则-Adaptive Regularization二.代码解读2.1 数据处理2.2 ...原创 2020-04-06 15:26:38 · 1555 阅读 · 1 评论 -
推荐系统 - FM模型原理和实践
一. FM概述FM(Factorization Machines,因子分解机),简称FM模型,由Steffen Rendle于2010年在ICDM上提出。FM模型是一种通用的预测方法,主要有以下的特点和优势,基于此在推荐系统和计算广告领域[如: CTR预估(click-through rate)]具备良好的表现。特征组合:除了单特征外,特征组合对于推荐排序是非常非常重要,的往往要对特...原创 2020-04-05 20:00:51 · 1736 阅读 · 1 评论 -
论文阅读:Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba
本文是阿里发表在KDD 2018,基于Graph Embedding实现淘宝首页推荐召回。主要通过用户点击的行为历史构建item图,学习图上所有item的embedding。同时为了解决可扩展性(scalability)、稀疏性(sparsity)、冷启动问题(cold start),在Item图的基础上,增加 item 的额外信息(例如category, brand, price等)丰富ite...原创 2019-01-01 14:29:20 · 7334 阅读 · 9 评论