【推荐系统】geohash召回

最新推荐文章于 2023-11-10 16:51:35 发布
最新推荐文章于 2023-11-10 16:51:35 发布
阅读量218 收藏
点赞数
分类专栏： 推荐系统 文章标签： 推荐算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_31866177/article/details/132909806
版权
  • 经纬度坐标，精度非常高。只能表述一个点，二维坐标。
  • geohash 一种地理编码系统。划分成4*8的格子，编码长度越长，区域大小越小，位置描述的越精确。1km，一般编码长度用6-7长度。

geohash比经纬度好在哪里？

浮点数编码成字符串占用的字节数较多。一般都是用字符串。

1个浮点数占用存储空间4个字节。

如何利用genhash去搜索附近的邻居？

【如何搜索附近的商家? Geohash （下）】

应用：周边查询

给定当前位置：东方明珠 -> 坐标&搜索半径

查询周边的特定商家：餐厅

sdbhewfoqi
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
人工智能|推荐系统——工业界的推荐系统之召回
也许有一天我们再相逢 睁开眼睛看清楚 我才是英雄！
05-04 352
离散特征可以用Embedding Layers，连续特征可以归一化、分桶等处理。Swing额外考虑重合的⽤户是否来⾃⼀个⼩圈⼦，两个⽤户重合度⼤，则可能来⾃⼀个⼩圈⼦，权重降低。简单负样本可以是全体物品（考虑非均匀采样打压热门物品）或者Batch内负样本。⽤户兴趣动态变化，⽽物品特征相对稳定，事先存储物品向量𝐛，线上现算⽤户向量𝐚。困难负样本主要考虑被召回，但是被排序淘汰的样本。一个物品的两个向量可以通过一些特征变换得到。⽤索引，离线计算量⼤，线上计算量⼩。正样本的选择需要考虑冷门、热门物品。
Geohash应用——附近乡镇信息挖掘（提升检索召回与准确）
FANCHOU的专栏
08-08 1131
Geohash在LBS领域的应用开发很常见，常常应用于查询附近的人或门店等应用程序中。这里不再介绍Geohash的原理，其原理详见：GeoHash核心原理解析。这里主要讲一个Geohash的另一种应用：挖掘热点地名/地址信息，补充实体POI（Point Of interest)信息，辅助扩大检索召回。
一文看懂推荐系统：召回09：地理位置召回、作者召回、缓存召回
weixin_46838716的博客
08-22 1596
（1）找工作投简历的话，你要将招聘单位的岗位需求和你的研究方向和工作内容对应起来，这样才能契合公司招聘需求，否则它直接把简历给你挂了 （2）你到底是要进公司做推荐系统方向？还是纯cv方向？还是NLP方向？还是语音方向？还是深度学习机器学习技术中台？还是硬件？还是前端开发？后端开发？测试开发？产品？人力？行政？这些你不可能啥都会，你需要找准一个方向，自己有积累，才能去投递，否则面试官跟你聊什么呢？ （3）今日推荐系统学习经验：地理、同城、交互关注相似的作者，缓存机制，都是实际用的工业推荐系统的技巧
（6）工业界推荐系统-小红书推荐场景及内部实践【其他召回通道】
Pain is inevitable but suffering is optional.
05-10 691
系列文章传送门 （1）工业界推荐系统-小红书推荐场景及内部实践【业务指标、链路、ItemCF】 （2）工业界推荐系统-小红书推荐场景及内部实践【UserCF、离线特征处理】 （3）工业界推荐系统-小红书推荐场景及内部实践【矩阵补充、双塔模型】 （4）工业界推荐系统-小红书推荐场景及内部实践【正负样本选择】 （5）工业界推荐系统-小红书推荐场景及内部实践【线上召回和模型更新】 （6）工业界推荐系统-小红书推荐场景及内部实践【其他召回通道】 该系列文章根据小红书搜推算法工程师、团队负责人王树森B站上主讲的《工业
【原】geohash算法详解
iamzhongyong的专栏
02-09 227
基于地址进行数据的检索，这个貌似有点难度，如果是小的应用的话，可以根据经纬度信息来直接进行查询或者通过数据库本身的空间数据检索方案，但是如果数据量以及访问请求变大时，这中方案就显然不是很合适，往往会使请求变的很慢。 经过一系列的沟通下来，可以通过geohash的方案来解决这个问题。   基本流程可以是这样: （1）原始详细地址数据--->经纬度数值--->geohash字符...
高效的空间索引算法——Geohash 和 Google S2
AndersonHuang的博客
11-10 3075
GeoHash被广泛的应用到空间检索方面。GeoHash所做的事就是把一个坐标点映射到一个字符串上，每一个字符串代表的就是一个以经纬度划分的矩形区域。Geohash 属于空间填充曲线中的 Z 阶曲线（Z-order curve）的实际应用。 谷歌的 S2 算法就是基于希尔伯特曲线的。S2其实是来自几何数学中的一个数学符号 S2，它表示的是单位球。S2 这个库其实是被设计用来解决球面上各种几何问题的。
推荐系统概述推荐系统概述
最新发布
06-01
推荐系统是一种人工智能技术，它通过分析用户的历史行为、兴趣偏好、社交网络等多维度数据，为用户个性化地推荐他们可能感兴趣的信息、商品或服务。在当今大数据时代，推荐系统已经广泛应用在电商、音乐流媒体、电影...
毕业设计：电影推荐系统
03-14
电影推荐系统是基于数据分析和机器学习技术的一种智能应用，它能够根据用户的历史行为、喜好以及与其他用户的相似性，为用户个性化地推荐电影。在“毕业设计：电影推荐系统”项目中，我们可以深入研究以下几个关键...
序列召回推荐模型资料说明：掌握经典的推荐系统序列召回算法/模型
07-01
2.掌握经典的推荐系统序列召回算法/模型： GRU4Rec、 SR-GNN、 MIND、 Comirec-DR、 Comirec-SA。 3.了解推荐系统论文序列召回常见问题的解决方法。 Task01：深度学习模型快速入门 Task02：传统序列召回实践：...
人工智能-项目实践-推荐系统-基于spark的推荐系统，包含离线召回模块、排序模块、服务模块、秒杀模块四个模块.zip
12-26
人工智能-项目实践-推荐系统-基于spark的推荐系统，包含离线召回模块、排序模块、服务模块、秒杀模块四个模块 基于spark实现的推荐系统，包含离线召回模块（RecommenderModule）、排序模块（RetrieveRankModule）、...
RecommendRelative:推荐系统相关模型包括召回和排序
03-11
"RecommendRelative"项目显然关注的是推荐系统的实现，特别提到了"召回"和"排序"两个关键步骤，这是推荐系统中的核心算法模块。 首先，我们来详细解释这两个概念： 1. **召回**：在推荐系统中，召回阶段的目标是从...
离我最近之geohash算法（增加周边邻近编号）
Sun_Rise2011的专栏
01-05 7990
接着上一篇文章：查找附近网点geohash算法及实现 （Java版本） http://blog.csdn.net/sunrise_2013/article/details/42024813 由于存在部分网点丢失的情况，为了解决边缘问题，需要计算这个块周围的八个格子，补充代码，实现周边8个编码的最近编码。 根据一个geohash值 获取周围8个geohash值的代码。 例如在方格4的左下部分的
【推荐系统】召回离线评估指标Hit Ratio
热门推荐
littlemichelle
05-13 2万+
Hit Ratio(HR) 在top-K推荐中，HR是一种常用的衡量召回率的指标，计算公式为： 分母是所有的测试集合，分子表示每个用户top-K列表中属于测试集合的个数的总和。 举个简单的例子，三个用户在测试集中的商品个数分别是10，12，8， 模型得到的top-10推荐列表中，分别有6个，5个，4个在测试集中， 那么此时HR的值是(6+5+4)/(10+12+8) = 0.5。 如果还有一点不清晰的话， 推荐系统Top-K问题(或者HR@K, HR为hit ratio)，需要划.
【推荐系统】Criteo数据集介绍
littlemichelle
06-25 1万+
最近在学习一个ctr预估的开源项目，大部分都使用的是Criteo数据集，是非常经典的点击率预估比赛。 数据下载地址：https://www.kaggle.com/c/criteo-display-ad-challenge/data 进行个简单的背景介绍，方便自己之后回顾。 英文原版，哈哈哈哈 File descriptions train.csv- The training set consists of a portion of Criteo's traffic over a period .
【机器学习】特征类型总结
littlemichelle
04-09 6943
id类特征 类别型特征
【推荐系统】召回模型线下评价指标
littlemichelle
05-26 4852
常用的评价标准： 第一类是线上评测，比如通过点击率、网站流量、A/B test等判断。这类评价标准在这里就不细说了，因为它们并不能参与到线下训练模型和选择模型的过程当中。 第二类是线下评测。评测标准很多，我挑几个常用的。我就拿给用户推荐阅读相关链接来举例好了。 TopN推荐 网站在提供推荐服务时，一般是给童虎一个个性化的推荐列表，这种推荐叫TopN推荐。TopN推荐的预测准确率一般通过准确率（precision）和召回率（recall）度量。 令R（u）是根据用户在训练集上...
【推荐系统】协同过滤与基于内容推荐的区别
littlemichelle
02-21 3703
协同过滤和基于内容推荐有什么区别？ - 知乎
【深度学习】transformer中softmax为什么要scaled
littlemichelle
01-20 3671
论文中解释是：向量的点积结果会很大，将softmax函数push到梯度很小的区域，scaled会缓解这种现象。怎么理解将sotfmax函数push到梯度很小区域？还有为什么scaled是维度的根号，不是其他的数？ 答案：q，k向量点积后的结果数量级变大，经历过softmax函数的归一化之后，后续反向传播的过程中梯度会很小，造成梯度消失。进行scaled能够缓解这种情况。 Multi-head Attention为什么要做scaled - 卷王李狗蛋的文章 - 知乎 目录 为什么会梯度消失的原因？
推荐系统 多路召回架构
11-17
多路召回是推荐系统中常用的一种召回策略，其主要思想是通过多个召回模型召回候选集，再将不同召回模型的结果进行融合，得到最终的候选集。下面是一个多路召回的架构： 1. 数据层：包括用户历史行为数据、物品元...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值