推荐系统
噶噶~
这个作者很懒,什么都没留下…
展开
-
word2vec和word embedding有什么区别?
自己的理解其实word2vec的word embedding的一种实现方式,word embedding是一个大的概念,即:一个以神经网络词向量表示技术通过神经网络技术对上下文,以及上下文与目标词之间的关系进行建模。 参考连接:https://blog.csdn.net/scotfield_msn/article/details/69075227 ...原创 2021-08-02 19:02:35 · 132 阅读 · 0 评论 -
大规模数据的相似度计算:LSH算法
LSH的思想: LSH算法基于一个假设,如果两个文本在原有的数据空间是相似的,那么分别经过哈希函数转换以后的它们也具有很高的相似度 为什么要用LSH: 我们经常会遇到的一个问题就是面临着海量的高维数据,查找最近邻。如果使用线性查找,那么对于低维数据效率尚可,而对于高维数据,就显得非常耗时了。为了解决这样的问题,人们设计了一种特殊的hash函数,使得2个相似度很高的数据以较高的概率映射成同一个hash值,而令2个相似度很低的数据以极低的概率映射成同一个hash值。我们把这样的函数,叫做LSH(局部敏感哈希)原创 2021-07-25 22:28:15 · 1325 阅读 · 0 评论 -
基于模型的推荐算法——ALS
ALS推荐算法介绍 Spark MLib支持的ALS推荐算法是机器学习的协同过滤算法。根据用户的评分来推断每个用户的喜好,并进行推荐。 评分 显式评分:用户直接对产品的评分 隐式评分:根据用户选择的产品记录,但不知道评分等级 稀疏矩阵(Sparse Matrix)问题 当用户与产品评分成千上万时,矩阵会很大,而且很多会是空白的,使用计算机处理这样的矩阵会很浪费内存,且花费很多时间。 即就是一个矩阵分解的过程,参考于尚硅谷推荐系统 参考连接:https://blog.csdn.net/weixin_42914原创 2021-07-24 00:40:39 · 1167 阅读 · 0 评论 -
Word2vec 原理解析
1 .前言 近年来,以深度学习为代表的人工智能技术发展如火如荼,其应用领域也从最开始的计算机视觉扩展到了包括自然语言处理、推荐、语音识别等在内的众多研究方向,并且在大多数领域取得了令人惊艳的效果,以笔者熟悉的自然语言处理(NLP)方向为例,纵观近几年在ACL、EMNLP、CLONG等顶级学术会议上发表的学术论文,随处可见Deep Learning、Neural Network/NN、RNN、Convolutional Neural Networks/CNN、LSTM、Autoencoder、Embeddin原创 2021-07-24 00:38:19 · 281 阅读 · 0 评论 -
通俗易懂理解——TF-IDF与TextRank
参考连接:https://zhuanlan.zhihu.com/p/41091116原创 2021-07-23 22:33:38 · 74 阅读 · 0 评论 -
读‘互联网金融理财产品多粒度推荐模型研究’
一.目的 在信息不对称状态下,如何平衡用户和金融机构间的收益以及如何高效的为用户提供理财产品、金融机构精准把握用户需求。 以协同过滤推荐算法为基础,建立了基于理财产品的多粒度推荐模型。 二. 思路 本文是基于物品进行推荐的,其思路如下: 1.分析用户和商品的属性,并对属性进行力度划分; 产品属性:起始金额(Initi...原创 2019-05-16 10:26:10 · 350 阅读 · 0 评论