推荐系统
文章平均质量分 88
竹枝子
这个作者很懒,什么都没留下…
展开
-
MTL框架:模型、权重与融合公式
推荐系统常见问题原创 2022-09-26 10:55:50 · 1181 阅读 · 0 评论 -
召回模型:DSSM双塔模型
双塔召回模型原创 2022-06-06 15:06:39 · 1391 阅读 · 0 评论 -
召回模型:Youtube
Youtube工程性的推荐系统实践原创 2022-06-02 16:38:02 · 347 阅读 · 0 评论 -
传统推荐模型
1.CF1.1 UserCF和ItemCF原理:基于用户x物品的共现矩阵R,根据用户(行)和物品(列)相似度进行推荐特点:UserCF社交性强,更适合推荐热点;ItemCF适用于兴趣变化较为稳定的应用,例如视频缺点:泛化能力差,处理稀疏矩阵能力差,推荐结构的头部效应明显1.2 MF原理:R=UV,将共现矩阵分解为用户矩阵和物品矩阵,生成对应的隐向量方法:梯度下降优点:泛化能力强、空间复杂度低、更好的扩展性和灵活性缺点:不方便加入用户、物品和上下文特征2. LR综合利用用户、物原创 2022-04-19 11:31:11 · 763 阅读 · 0 评论 -
AUC与GAUC
AUCROC曲线纵坐标:TPR = TP/(TP+FN) = TP/P,正样本被预测为1的比率横坐标:FPR = FP/(FP+TN) = FP/N,负样本被预测为1的比率AUC = ROC曲线下面积优势:能够综合考虑到正例和负例,因此可以应对样本不均衡的情况AUC的意义AUC=P(Ppos>Pneg)AUC=P(P_{pos}>P_{neg})AUC=P(Ppos>Pneg), 每个正样本的预测概率,能比多少个负样本大AUC=∑I(Ppos,Pneg)M×NA原创 2022-04-18 16:28:41 · 350 阅读 · 0 评论