【Datawhale组队学习】零基础入门推荐系统 - 新闻推荐【Task 05】

最新推荐文章于 2024-10-02 21:43:07 发布

dqzxy2020

最新推荐文章于 2024-10-02 21:43:07 发布

阅读量530

点赞数

分类专栏：推荐系统文章标签：机器学习深度学习 python 人工智能大数据

本文链接：https://blog.csdn.net/weixin_40535594/article/details/110581873

版权

推荐系统专栏收录该内容

4 篇文章 0 订阅

订阅专栏

【Datawhale组队学习】零基础入门推荐系统 - 新闻推荐

【Datawhale组队学习】零基础入门推荐系统 - 新闻推荐
- Task 05: 排序模型+模型融合

【Datawhale组队学习】零基础入门推荐系统 - 新闻推荐

参加了Datawhale第19期的组队学习之零基础入门推荐系统 - 新闻推荐，分享任务5的学习经历。

Task 05: 排序模型+模型融合

1、目标

排序模型

排序阶段选择了三个比较有代表性的排序模型，它们分别是：

LGB的排序模型
LGB的分类模型
深度学习的分类模型DIN

集成模型

得到了最终的排序模型输出的结果之后，还选择了两种比较经典的模型集成的方法：

输出结果加权融合
Staking（将模型的输出结果再使用一个简单模型进行预测）

2、步骤

（1）模型排序

a. 读取排序特征

b. 返回排序后的结果

c. LGB排序模型

d. LGB分类模型

e. DIN模型

（2）模型融合

a. 加权融合

b. Stacking

——未完待续——

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

dqzxy2020

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

task05

bw666的博客

12-05

291

task05 排序模型+模型融合 排序模型使用了召回操作后已经缩减了问题规模，每个用户都有候选集，并基于召回的候选集构建了与用户历史相关的特征，以及用户本身的属性特征，文章本省的属性特征，以及用户与文章之间的特征，下面就是使用机器学习模型来对构造好的特征进行学习，然后对测试集进行预测，得到测试集中的每个候选集用户点击的概率，返回点击概率最大的topk个文章，作为最终的结果。三个有代表性的排序模型：LGB的排序模型、LGB的分类模型、深度学习的分类模型DIN 两种经典的模型集成的方法：输出结果加权融合、S

u013250861的博客

02-03

558

通过召回的操作，我们已经进行了问题规模的缩减，对于每个用户，选择出了N篇文章作为了候选集，并基于召回的候选集构建了与用户历史相关的特征，以及用户本身的属性特征，文章本省的属性特征，以及用户与文章之间的特征，下面就是使用机器学习模型来对构造好的特征进行学习，然后对测试集进行预测，得到测试集中的每个候选集用户点击的概率，返回点击概率最大的topk个文章，作为最终的结果。

1 条评论您还未登录，请先登录后发表或查看评论

推荐系统新闻推荐-排序模型+模型融合

handsomeandge的博客

12-06

728

排序模型通过召回的操作，我们已经进行了问题规模的缩减，对于每个用户，选择出了N篇文章作为了候选集，并基于召回的候选集构建了与用户历史相关的特征，以及用户本身的属性特征，文章本省的属性特征，以及用户与文章之间的特征，下面就是使用机器学习模型来对构造好的特征进行学习，然后对测试集进行预测，得到测试集中的每个候选集用户点击的概率，返回点击概率最大的topk个文章，作为最终的结果。排序阶段选择了三个比较有代表性的排序模型，它们分别是： LGB的排序模型 LGB的分类模型 深度学习的分类模型DIN

网易新闻推荐：深度学习排序系统及模型

小小挖掘机

07-09

737

文章作者：薛海霞网易传媒编辑整理：郑智献内容来源：DataFun AI Talk出品社区：DataFun注：欢迎转载，转载请注明出处大家好，今天分享的主题是：网易新闻客...

零基础入门推荐系统 - 新闻推荐 - 实操2

统计小白er & paul_work

12-07

395

weixin_40535594的博客

11-25

301

Datawhale组队学习零基础入门推荐系统 - 新闻推荐Datawhale组队学习零基础入门推荐系统 - 新闻推荐Task 01: 赛题理解+Baseline Datawhale组队学习零基础入门推荐系统 - 新闻推荐参加了Datawhale第19期的组队学习之零基础入门推荐系统 - 新闻推荐，分享任务1的学习经历。 Task 01: 赛题理解+Baseline 1、到github上下载code，https://github.com/datawhalechina/team-learning-rs； 2、

【Datawhale组队学习】零基础入门推荐系统 - 新闻推荐【Task 02】

weixin_40535594的博客

11-27

669

Task 02: 数据分析目标：当特征工程和模型调参已经很难继续提高分数时，从新的角度出发重新去分析数据，力求找到提分的灵感。数据分析的价值主要在于熟悉了解整个数据集的基本情况包括每个文件里有哪些数据，具体的文件中的每个字段表示什么实际含义，以及数据集中特征之间的相关性，在推荐场景下主要就是分析用户本身的基本属性、文章基本属性、以及用户和文章交互的一些分布，这些都有利于后面的召回策略的选择，以及特征工程。步骤： 1、读取数据：分别读取训练集点击记录数据train_click_log.csv、文章数据a

DataWhale组队打卡学习营task05-1 卷积神经网络基础

01-06

卷积神经网络基础二维卷积层本节介绍的是最常见的二维卷积层，常用于处理图像数据。二维互相关运算二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维...

team-learning-rs:主要存储Datawhale组队学习中“推荐系统”方向的资料

03-09

team-learning-sql:主要存储Datawhale组队学习中“SQL”方向的资料

05-16

SQL基础教程学习笔记（team-learning-sql） SQL 在诸多工作中应用广泛，数据分析、开发、测试、维护、产品经理都有可能会用到SQL，而在大学里曾经系统学习SQL的人比较少，这就要求我们在工作中来学习SQL。然而，...

机器学习-KNN分类算法

qq_55882840的博客

09-26

1109

由于找到的结果中大多数是猫，则把这个新动物划分为猫类。如果k值太大，学习的近似误差会增大，导致分类模糊，即欠拟合。对图5.2中的动物进行分类，当k=3时，分类结果为“猫：狗=2：1”，所以属于猫；当k=5时，表决结果为“猫：狗：熊猫=2：3：1”，所以判断目标动物为狗。KNN分类算法的核心思想：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。分类结果的确定往往采用多数表决原则，即由输入实例的k个最邻近的训练实例中的多数类决定输入实例的类别。

人工智能之机器学习

weixin_50229673的博客

10-01

916

在1956年众多科学家相聚一起共同探讨并展望未来的科技.首次提出"人工智能"这个专业名词,这一年也被称为人工智能元年......

机器学习（1）：机器学习的概念

m0_55939576的博客

09-28

569

机器学习之父 Arthur Samuel 对机器学习的定义是：在没有明确设置的情况下，使计算机具有学习能力的研究领域。国际机器学习大会的创始人之一 Tom Mitchell 对机器学习的定义是：计算机程序从经验 E 中学习，解决某一任务 T，进行某一性能度量 P，通过 P 测定在 T 上的表现因经验 E 而提高。机器学习是一种从数据生成规则、发现模型，来帮助我们预测、判断、分组和解决问题的技术。

关于最小二乘法

m0_62710548的博客

09-26

891

最小二乘法的核心思想简单而优雅：我们希望找到一条最佳的曲线，使其尽可能贴近所有的数据点。想象一下，当你在画布上描绘一条线，目标是让这条线与点的距离最小。数学上，这可以表示为：在这个公式中，yi 是你观察到的值，f(xi) 则是你预测的值。通过调整模型的参数，我们努力去缩小这个误差的平方和，直到找到最完美的曲线。

【PyTorch】生成对抗网络

Glass_Gun的博客

09-29

853

Generative Adversarial Nets，简称GANGAN：生成对抗网络 —— 一种可以生成的模型。

探索机器学习中的特征选择技术