- 博客(11)
- 资源 (5)
- 收藏
- 关注
RSS订阅转载 推荐系统经典论文文献及业界应用
推荐系统经典论文文献及业界应用列了一些之前设计开发百度关键词搜索推荐引擎时， 参考过的论文， 书籍， 以及调研过的推荐系统相关的工具；同时给出参加过及未参加过的业界推荐引擎应用交流资料（有我网盘的链接）， 材料组织方式参考了厂里部分同学的整理。因为推荐引擎不能算是一个独立学科，它与机器学习，数据挖掘有天然不可分的关系，所以同时列了一些这方面有用的工具及书籍，希望能对大家有所帮助。Survey方面的文
2017-03-31 11:22:00
2850
原创 Amazon的推荐系统到底行不行？
原文： https://mp.weixin.qq.com/s?__biz=MzA4OTk5OTQzMg==&mid=2449231246&idx=1&sn=16fbcb9418dbe4f6fac8e6dd5aaa4e69大体意思：亚马逊在业内有「推荐系统之王」之称，亚马逊有35%的销售额是与推荐系统相关的。但是，微软的研究员Amit Sharma发表了一篇paper《Estimating the
2017-03-29 20:13:37
1370
原创 推荐系统相关论文、工具、资料等资源整理
用深度学习做推荐的论文和报告列表1： http://shuaizhang.tech/2017/03/13/Papers-Deep-Learning-for-Recommender-System/用深度学习做推荐的论文和报告列表2： https://amundtveit.com/2016/11/20/recommender-systems-with-deep-learning/推荐系统常用的数
2017-03-27 16:29:35
1764
原创 从工业角度谈推荐系统的过去、现在和未来（三）
四. 经验教训1. Implicit vs explicit 一般都认为隐性信息更有用，真的更有用吗？如果是，为什么呢？ （1）隐性信息一般具有以下特点： 。。1.更稠密dense，并且所有用户的都能得到。诚然，评分数据总体来说是很稀疏的，之前netflix的百万美元挑战赛给出的数据稀疏度大概是1.2%，毕竟评分数据是要消耗更多注意力的数据。 。。2. 能更好的表示
2017-03-26 11:19:58
1004
原创 从工业角度谈推荐系统的过去、现在和未来（二）
一、推荐问题的理解1.传统定义： 基于用户过去的行为习惯、用户间的关系、 item间的相似度、上下文等信息来估计一个可以自动预测user对item的喜欢程度的效用函数（utility function）。也就是说：推荐就是根据用户的历史行为习惯、社交关系、兴趣偏好（长期偏好、短期兴趣）和用户当前所处的上下文环境等去判断用户的当前需求/感兴趣的的item。 2. 推荐引擎的核心部分可以看作
2017-03-24 15:54:10
2318
原创 从工业角度谈推荐系统的过去、现在和未来（一）
主要综合下面三篇文章整理而成，信息量太大，所以在对应的地方也列出了一些可参考帮助理解的文章，有些地方还没看明白，会一直修改的应该。1.原文：《 Past, Present and Future of Recommender Systems: an Industry Perspective》 by Amatriain (Quora), Justin Basilico (Netflix) https:
2017-03-24 15:24:33
868
原创 Stanford UFLDL教程（一）--神经网络、BP算法、BP初始值设置和梯度检验
在看斯坦福大学的UFLDL（非监督特征学习和深度学习）教程时，发现了一个博客，在看教程的过程中不懂得问题，大部分在博客中得到了解答。转到自己帖子中方便以后重新查看。01.神经网络 UFLDL：http://deeplearning.stanford.edu/wiki/index.php/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C 博客：http://blog.csd
2017-03-08 15:20:30
1008
转载 机器学习 数据挖掘知识点总结大纲
**Basis(基础)：**SSE(Sum of Squared Error, 平方误差和)SAE(Sum of Absolute Error, 绝对误差和)SRE(Sum of Relative Error, 相对误差和)MSE(Mean Squared Error, 均方误差)RMSE(Root Mean Squared Error, 均方根误差)RRSE(Root Relative
2017-03-06 16:09:40
2190
原创 交叉熵代价函数+方向导数+梯度（详细作用及公式推导）
交叉熵代价函数（作用及公式推导） http://blog.csdn.net/u014313009/article/details/51043064交叉熵代价函数 http://blog.csdn.net/u012162613/article/details/44239919两篇结合着看。
2017-03-04 10:42:12
4744
原创 隐马尔可夫模型与词性标注（下）
1.词性标注（Part Of Speech tagging，POS tagging）任务：给定词序列：W=w1,w2,.....,wn, 寻找词性标注序列T=t1,t2,.....,tn, 使得P（t1,t2,.....,tn|w1,w2,.....,wn）最大。
2017-03-01 19:56:14
1257
原创 隐马尔可夫模型与词性标注（上）
1. 隐马尔科夫模型（Hidden Markov Models，HMM）关于隐马尔科夫模型，在我爱自然语言处理上有一个很生动形象的解释：http://www.52nlp.cn/hmm-learn-best-practices-two-generating-patterns我们至少要知道：（1）HMM是一个数学模型，包括隐藏状态集合、观察状态集合、观察状态的初始概率向量π, 隐藏状态间的
2017-03-01 19:36:45
3424
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人