推荐系统
文章平均质量分 95
连理o
负优化砖家
展开
-
推荐系统 (四): Embedding 技术在推荐系统中的应用
目录什么是 EmbeddingItem2vec -- Word2vec 在推荐系统领域的推广Item2vec 的基本原理“广义” 的 Item2vecItem2vec 方法的特点和局限性Graph Embedding -- 引入更多结构信息的图嵌入技术DeepWalk -- 基础的 Graph Embedding 方法Node2vec -- 同质性和结构性的权衡EGES -- 阿里巴巴的综合性 Graph Embedding 方法参考文献什么是 EmbeddingEmbedding形式上讲,Embe原创 2021-11-12 11:23:31 · 2947 阅读 · 0 评论 -
推荐系统 (三): 浪潮之巅 -- 深度学习在推荐系统中的应用
目录深度学习推荐模型的演化关系图AutoRec -- 单隐层神经网络推荐模型AutoRec 模型的基本原理AutoRec 模型的结构基于 AutoRec 模型的推荐过程参考文献深度学习推荐模型的演化关系图(1) 改变神经网络的复杂程度:从最简单的单层神经网络模型 AutoRec (自编码器推荐),到经典的深度神经网络结构 Deep Crossing (深度特征交叉),其主要的进化方式在于增加了深度神经网络的层数和结构复杂度(2) 改变特征交叉方式:例如,改变了用户向量和物品向量互操作方式的 Neu原创 2021-11-11 11:36:21 · 3322 阅读 · 0 评论 -
推荐系统 (一): 推荐系统的架构
目录推荐系统的逻辑框架推荐系统的技术架构推荐系统的数据部分推荐系统的模型部分参考文献推荐系统的逻辑框架推荐系统要处理的是 “人” 和 “信息” 的关系。这里的 “信息” ,在商品推荐中指的是 “商品信息”,在视频推荐中指的是 “视频信息 ”, 在新闻推荐中指的是 “新闻信息”,简而言之, 可统称为 “物品信息” 。 而从 “人” 的角度出发, 为了更可靠地推测出 “人” 的兴趣点, 推荐系统希望利用大量与 “人” 相关的信息, 包括历史行为、人口属性、关系网络等, 这些可统称为 “用户信息”。此外,原创 2021-10-20 23:09:47 · 2440 阅读 · 3 评论 -
推荐系统 (二): 前深度学习时代 -- 推荐系统的进化之路
本文为《深度学习推荐系统》(王喆) 的读书笔记 (边读边记,希望能和大家共同进步!)目录传统推荐模型的演化关系图参考文献为什么要学习基于传统机器学习算法的推荐模型?(1) 即使在深度学习空前流行的今天,协同过滤、逻辑回归、因子分解机等传统推荐模型仍然凭借其可解释性强、硬件环境要求低、易于快速训练和部署等不可替代的优势,拥有大量适用的应用场景(2) 传统推荐模型是深度学习推荐模型的基础: 构成深度神经网络 (Deep Neural Network, DNN) 的基本单元是神经元,而应用广泛的传统.原创 2021-11-07 21:13:57 · 635 阅读 · 0 评论