- 博客(2)
- 收藏
- 关注
RSS订阅原创 简单介绍下新闻推荐系统中用到的排序模型
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 得到了最终的排
2020-12-06 23:20:44
412
原创 以新闻推荐为背景介绍下特征工程
特征工程是机器学习甚至深度学习中最重要的一部分，什么是特征工程呢？一个非常简单的例子，现在出一非常简答的二分类问题题，请你使用逻辑回归，设计一个身材分类器。输入数据X:身高和体重 ，标签为Y:身材等级（胖，不胖）。显然，不能单纯的根据体重来判断一个人胖不胖，姚明很重，他胖吗？显然不是。针对这个问题，一个非常经典的特征工程是，BMI指数，BMI=体重/(身高^2)。这样，通过BMI指数，就能非常显然地帮助我们，刻画一个人身材如何。甚至，你可以抛弃原始的体重和身高数据。 所以，简单来说，就是通过X构造一个新的X
2020-12-03 20:40:14
93
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人