Recommend
文章平均质量分 77
旺仔的算法coding笔记
从自己能做到的开始,一件件来,缓慢而坚定地前进,尽力而为,自己也终将有成为大佬而从容自在的时候
展开
-
DIN论文解析笔记
din论文解析笔记原创 2023-02-19 16:04:48 · 192 阅读 · 0 评论 -
实训wide and deep model
“Here, we use the wide and deep model to predict the income labels. The wide model is able to memorize interactions with data with a large number of features but not able to generalize these learned interactions on new data. The deep model generalizes well原创 2021-08-25 22:47:30 · 171 阅读 · 0 评论 -
重排序算法02
本文是对七月在线重排序02课程的一个非常简答的随堂笔记。 主要围绕评价指标、pointwise、pair wise 、list wist等展开。learning to rank 由信息检索领域里的多级相关性讲起,串起评价指标MAP 、NDCG的具体计算。Point wise 、pair wise 和list wise 的区别point wise : 把query 和候选集变成一个一个的样本。下面的yi是label。训练的时候只考虑xi与yi的关系...原创 2021-08-24 22:47:29 · 377 阅读 · 0 评论 -
2021-08-23
Rech7推荐系统的rank 模块简单介绍本文是对七月在线推荐课程rank模块入门介绍的一个简单笔记,本文围绕rank基本总述、ctr预估、FM案例、GBDT+LR、Wide&Deep展开。目录推荐系统的rank 模块简单总述ctr 预估:FM的例子FFM 引入隐向量:深度学习的应用 优化器选择:推荐系统的rank 模块简单总述通常做法: 用各种算法做 召回,比如user/item/model-based CF 等作为输入,做粗排(有的没有)...原创 2021-08-23 23:32:07 · 116 阅读 · 0 评论 -
User和item特征笔记
本文是对七月在线推荐课程王老师讲的关于user 和item特征的一个简单随堂笔记。 本文主要围绕关于连续型和离散化特征、用户画像的特征、embedding特征、特征选择和特征降维来展开。连续和离散化特征⊚ 为什么会有这个区分?⊚ 离散特征和连续特征的特点⊚ 离散和连续的相互转化连续值是有大小上的意义的。等距的离散化的分桶,当桶分的过大时,会导致桶底和桶尾的值没有大小区分了,所以分桶的桶距不适合分的太大。另外还有等频的离散化分桶怎么进行特征离...原创 2021-08-22 23:37:30 · 918 阅读 · 0 评论 -
Rech5 召回算法进阶
本文是对七月在线课程召回算法进阶的一个简单笔记记录。 本笔记主要围绕课上所讲常见召回方式、协同过滤、关联商品召回、基于图的Swing召回算法、Embedding召回(item2vec|node2vec)、YutubeDNN 、动态多兴趣挖掘模型MIND、多路召回融合。常见召回方式i2i:计算item-item相似度,用于相似推荐、相关推荐、关联推荐; u2i:基于矩阵分解、协同过滤的结果,直接给u推荐i; u2u2i:基于用户的协同过滤,先找相似用户,再推荐相似用户喜欢的item; u..原创 2021-08-22 00:10:51 · 767 阅读 · 0 评论 -
用户画像构建与协同过滤笔记
本文是对七月在线关于用户画像构建与协同过滤的一个随堂笔记。用户画像部分主要围绕用户画像的核心-文本挖掘、需要哪些用户画像信息、怎么构建这些基本用户画像信息以及倒排索引的案例简单描述展开,协同过滤部分主要是实训内容,需要消化基于用户和基于item的协同过滤改进算法实现。目录需要怎么的用户画像?用户画像如何构建用户画像: 核心是做文本挖掘关键词keywords提取 的做法用户画像中的权重计算:todo 待总结概括成文字推荐系统中最核心的数据之一是 user profile...原创 2021-08-21 00:05:59 · 993 阅读 · 0 评论 -
Re10ch3搜索和推荐的matching技术-召回
本文是对七月在线推荐课程-搜索和推荐的matching技术-召回的一个随堂笔记,课上实际主要围绕youtube的dnn 推荐架构来讲解了召回的流程,如何理解embedding和FM的公示推导,以及deepfm的框架和实现。召回系统架构 :曝光去重: 1) 疲劳度过滤(类似重复长期不点击的类别过滤掉) 2) 最近已看过的东西的过滤 3) 业务的过滤召回索引 、流式计算 的简单介绍;Youtube 召回线下模型训练阶段, 三层 ReLU 神经网络之后接...原创 2021-08-18 23:21:44 · 201 阅读 · 0 评论 -
推荐业务、feed流产品及推荐算法策略架构解析-课程笔记1
Re10ch1本文是对七月在线推荐算法高级班课程1的一个课堂笔记记录。主要通过提问的方式来从外向内串起对推荐业务的理解。推荐的理解:推荐技术: 将机器学习的技术应用到推荐业务中label =model(item,user,context)推荐的item是什么: 推荐的物品推荐item的对象user :context: 上下文label是指什么? 业务需要的指标就是对应的label,需要结合业务。 如新闻推荐,新闻被用户点击阅读的概率。user 具体有哪些...原创 2021-08-17 00:18:51 · 1408 阅读 · 2 评论