吃喝玩乐 By AI
文章平均质量分 95
吃喝玩乐 By AI
小爷毛毛(卓寿杰)
NLP对话问答、大模型、AIGC。
微信视频号:毛毛讲书,欢迎关注进一步交流!
展开
-
解读:全民K歌直播推荐算法
看上图示意,应该是每个模态embedding单独与user embedding进行相似度训练。**这样做的话,每个item就会存在3个embedding。但这种方案就忽略了不同模态之间的权重。**我想到的另外一种方案是,其实就是从每个field做emb,变成每个bit unit做emb,在实现上反而更加统一方便。就是将j维映射到i维向量的全连接神经网络。这样不同bit维的特征就能进行自由的交叉了。但这会出现的问题是:有些直播间可能不存在Song ID,需要做特征缺失处理。这里定义了所谓的KFM,其实可以。原创 2021-08-07 19:34:58 · 1024 阅读 · 0 评论 -
解读:阿里文娱搜索算法实践与思考
我们的问题是从什么维度去理解视频?得益于深度学习在各个领域的全面发展,现在有能力做相关技术,包括。原创 2021-07-01 15:25:50 · 451 阅读 · 0 评论 -
【网易云音乐】基于行为序列的召回&精排模型
网易云实时兴趣向量建模是基于YoutubeNet,YoutubeNet结构如下:建模思路类似于word2Vec,不过YoutubeNet是在预测下一个观看的视频。上图结构会让人困惑的是softmax部分,可以这么理解:网络中有可训练的V(video emb 矩阵),u与V相乘再做softmax:网易云对YoutubeNet进行的2点优化:网易云动态多兴趣建模其实就是利用了阿里的MIND模型。MIND模型认为:Multi-Interest Extractor Layer的过程如下:其中兴趣点的个数原创 2021-03-27 19:35:59 · 956 阅读 · 1 评论 -
论文阅读:《Improving Content-based and Hybrid Music Recommendation using Deep Learning》
https://blog.csdn.net/u011239443/article/details/79984751论文地址:https://www.smcnus.org/wp-content/uploads/2013/09/deep_mr.pdf摘要 现有的基于内容的音乐推荐系统通常采用两阶段的方法。他们首先提取传统的音频内容特征,如 Mel-frequency cepstra...原创 2018-04-18 10:01:35 · 1178 阅读 · 0 评论 -
采用深度学习算法为Spotify做基于内容的音乐推荐
http://www.csdn.net/article/2015-02-10/2823907摘要:本文概述了作者在Spotify的机器学习实践经验,解释了使用卷积神经网络(CNN)做基于音频的音乐推荐的方法,并提出了有关该卷积网络的实际学习效果的心得。采用了GTX 780Ti GPU,Theano软件框架,小批量梯度下降法。转载 2017-06-11 15:30:34 · 3472 阅读 · 0 评论 -
【Spark Mllib】K-均值聚类——电影类型
经过损失函数的评估,将性能最好的一次训练选定为最终的模型。试图将一系列样本分割成K个不同的类簇(其中K是模型的输入参数),其形式化的目标函数称为类簇内的方差和(within cluster sum of squared errors,WCSS)。但是,也有证据表明聚类过程会提取电影之间的属性或者相似之处,这不是单纯基于电影名称和题材容易看出来的(比如外语片的类簇和传统电影的类簇,等等)。内部评价指标WCSS(我们之前提过的K-元件的目标函数),是使类簇内部的样本距离尽可能接近,不同类簇的样本相对较远。原创 2016-06-18 23:29:26 · 7900 阅读 · 1 评论 -
MovieTaster-使用Item2Vec做电影推荐
https://blog.csdn.net/fly_time2012/article/details/78439662前言自从Mikolov在他2013年的论文“Efficient Estimation of Word Representation in Vector Space”[1]提出词向量的概念后,NLP领域仿佛一下子进入了embedding的世界,Sentence2Vec、Do...转载 2018-08-27 13:00:08 · 2316 阅读 · 1 评论 -
当前音乐推荐系统研究中的挑战和愿景
近年来,由于在线流媒体服务的出现和成功,音乐推荐系统(MRS)经历了飞速发展,如今,在线推荐服务几乎可以使所有音乐触手可及。尽管当今的MRS可以极大地帮助用户在这些庞大的目录中找到有趣的音乐,但MRS的研究仍面临着严峻的挑战。特别是在构建、合并和评估推荐策略时,这些策略除了将信息整合到简单的用户物品交互、基于内容表达之外,还需要深入挖掘听众的需求、偏好和意图的本质。MRS研究成为很大的努力方向,但相关的出版物却很少。此趋势和调查文章的目的是双重的。原创 2020-09-21 18:50:13 · 4515 阅读 · 0 评论