推荐系统入门简介
推荐系统相关简介
uncle_ll
这个作者很懒,什么都没留下…
展开
-
推荐系列(七):召回器,排序器,重排及总结
召回|Retrieval假设你有一个嵌入模型。给定用户,该如何决定推荐哪些项目?在服务时,给定查询,可以从执行以下操作之一开始:对于矩阵分解模型,查询(或用户)嵌入是静态已知的,并且系统可以简单地从用户嵌入矩阵中查找到它;对于DNN模型,系统在服务时,需要运行网络计算查询特征向量的嵌入 。一旦获得了查询嵌入q ,只需要在嵌入空间搜索距离接近的项目——这是最近邻问题(nearest...原创 2019-08-15 17:31:15 · 4900 阅读 · 0 评论 -
推荐系列(六):深层神经网络模型(2)
Softmax训练上一节解释了如何将softmax层合并到推荐系统的深度神经网络中。本节将详细介绍此系统的训练数据。训练数据softmax训练数据由查询特征X以及用户与之交互的项目向量(表示为概率分布 p)组成,在下图中用蓝色标记。模型的变量是不同层中的权重,在下图中用橙色标记。通常使用随机梯度下降或其变体方法来训练模型。负抽样由于损失函数比较两个概率向量 p,p^(x)∈Rn{p, ...原创 2019-08-09 19:43:03 · 353 阅读 · 0 评论 -
推荐系列(六):深层神经网络模型(1)
上一节展示了如何使用矩阵分解来学习嵌入。但矩阵分解存在一些局限性,包括:使用侧面特征困难(即查询ID /项目ID以外的任何特征)。因此,只能使用训练集中存在的用户或项目来查询模型。建议的相关性。每个人都倾向于推荐受欢迎的项目,特别是在使用点积作为相似性度量时。最好是能够捕获特定的用户兴趣。深度神经网络(DNN)模型可以解决矩阵分解的这些局限性。DNN可以轻松地合并查询特征和项目特征(由于...原创 2019-07-30 19:56:11 · 1385 阅读 · 0 评论 -
推荐系列(五):协同过滤的优点和缺点
协同过滤的优点和缺点协同过滤的相关知识点介绍完毕,现在对其优缺点进行总结。优点无需领域知识:不需要掌握专门的领域知识,因为embedding是自动学习得到的。更机缘巧合:该模型可以帮助用户发现新的兴趣。机器学习系统可能不知道用户对某个给定的项目感兴趣,但模型可能仍然推荐出它,因为相似用户对该项目感兴趣。好的起点:在某种程度上,系统仅需要反馈矩阵来训练矩阵分解模型(FM)。特别是,该模型...原创 2019-07-11 19:34:26 · 16451 阅读 · 0 评论 -
推荐系列(四):矩阵分解|Matrix Factorization
矩阵分解|Matrix Factorization在上节讲过,用户和item之间的关系可以用一个关系矩阵表示,而矩阵分解式一个简单的嵌入模型。假设一个用户反馈矩阵:A∈Rm×nA \in R^{m \times n}A∈Rm×n,其中m表示用户的数量,n表示item的数量用户嵌入矩阵 U∈Rm×dU \in \mathbb R^{m \times d}U∈Rm×d商品嵌入矩阵 V∈Rn...原创 2019-06-27 19:59:28 · 1946 阅读 · 0 评论 -
推荐系列(三):协同过滤
协同过滤为了解决基于内容过滤的一些限制,协同过滤同时使用用户和项目之间的相似性来提供推荐。这样会允许偶然的推荐出现; 也就是说,协同过滤模型可以基于类似用户B的兴趣向用户A推荐项目。此外,可以自动学习embedding特征,而不依赖于手工设计的特征。电影推荐示例假设现有一个电影推荐系统,其中训练数据由反馈矩阵组成,其中:每行代表一个用户。每列代表一个项目(电影)。有关电影的反馈分为...原创 2019-06-17 19:47:50 · 742 阅读 · 0 评论 -
推荐系列(二):生成候选者概述
生成候选者概述在上一节介绍了推荐系统的基本框架:![image-20190613194816277](/Users/duanzhicheng/Library/Application Support/typora-user-images/image-20190613194816277.png)可以看到,生成候选人(generate candidate)是推荐的第一阶段,也被称作retrieve...原创 2019-06-13 20:19:42 · 735 阅读 · 0 评论 -
推荐系列(一):什么是推荐?
什么是推荐?YouTube如何知道你可能希望接下来要观看的视频?Google Play商店如何为你挑选应用?这些恰到好处的推荐是魔法吗?答案当然是不,上述情况下,基于机器学习(ML)的推荐模型都可以确定视频和应用与你喜欢的其他内容的相似程度,然后提供推荐。推荐通常会有两种形式:主页建议(home page recommendations);相关项目建议(related item reco...原创 2019-06-05 20:48:42 · 1044 阅读 · 0 评论