推荐算法
JeemyJohn
这个作者很懒,什么都没留下…
展开
-
推荐算法—序列特征Attention方式总结
文章目录1、MLP的Attention Pooling方法2、DIN中的Attention1、MLP的Attention Pooling方法从图中可以看出,在对物品序列和物品特征序列处理的时候,不是直接采用sum/max/mean pooling进行融合,而是对每个物品和每个物品特征分别进行了加权融合。因为考虑到这样一种情况,比如当前用户要书,那么在用户的历史购买行为中,我们应该去多关注该用户之前都买什么样的书,而该用户在其他方面的购买记录就相对显得没有那么重要。因此基于此想法,权重的计算就是根据当前原创 2021-09-11 17:10:50 · 1233 阅读 · 0 评论 -
基于物品的协同过滤算法
未完待续…… 对机器学习和人工智能感兴趣,请扫码关注微信公众号!原创 2017-11-30 19:12:37 · 792 阅读 · 0 评论 -
推荐算法综述
我们正处于大数据的时代,传统的信息检索技术已经不能满足用户对信息发现的需求,推荐引擎的出现,可以帮用户获取更丰富,更符合个人口味和更加有意义的信息。原创 2017-11-24 23:10:03 · 2207 阅读 · 0 评论 -
基于内容的推荐算法
Collaborative Filtering Recommendations (协同过滤,简称CF) 是目前最流行的推荐方法,在研究界和工业界得到大量使用。但是,工业界真正使用的系统一般都不会只有CF推荐算法,Content-based Recommendations (CB) 基本也会是其中的一部分。CB应该算是最早被使用的推荐方法吧,它根据用户过去喜欢的产品(本文统称为 item),为用户推荐原创 2017-11-16 22:44:58 · 11497 阅读 · 1 评论 -
基于用户的协同过滤算法详解
0. 前言 基于领域的推荐算法是推荐系统中最基本的算法,此类算法不仅在学术界得到了深入研究,而且在工业界也得到了广泛地应用。基于领域的推荐算法主要分为两大类:一类是基于用户的协同过滤算法(User Based Collaborative Filtering,UserCF);一类是基于物品的协同过滤算法(Item Based Collaborative Filtering ItemCF)。而本文就着原创 2017-11-30 19:11:00 · 2031 阅读 · 0 评论