推荐系统
续写童话
学无止境
展开
-
推荐算法中的嵌入技术
1.tensorflow中embedding_lookup( )的用法tf.nn.embedding_lookup( params,ids, partition_strategy='mod', name=None,validate_indices=True,max_norm=None)'''参数说明:1.params表示已经训练好的嵌入向量,一般都是用word2vec训练2.ids: 一...原创 2020-04-30 14:12:14 · 512 阅读 · 0 评论 -
深度学习中训练集验证集测试集的区别以及常见的数据集划分原则
在介绍常见的数据集划分原则前,我们先看一下为什么要对数据集进行划分。首先,我们进行模型验证的一个重要目的是要选出一个最合适的模型,对于监督学习而言,我们希望模型对于未知数据的泛化能力强,所以就需要模型验证这一过程来体现不同的模型对于未知数的表现效果。 最先我们用训练准确度(用全部的数据进行训练和测试)来衡量模型的表现,这种方式会导致模型过拟合;为了解决这一问题,需要将所有数据划分成训练集和测试集...原创 2020-03-29 18:54:27 · 8016 阅读 · 0 评论 -
Netflix Prize大赛数据集下载
这是netflix数据集下载的网盘链接: https://pan.baidu.com/s/1bJjvmvMouoMBZE7ZVRHAbg 提取码: spie原创 2019-05-15 20:14:24 · 1576 阅读 · 4 评论 -
基于邻域的模型
基于邻域的模型的优点:(1)提供了推荐背后的直观解释,这种解释不仅提高了准确性,同时增强了用户体验。(2)基于邻域的模型能够根据一个新进入系统的用户反馈立即提供推荐1.相似性度量基于物品的方法的核心是物品之间的相似性度量。一般情况下相似度的度量是基于皮尔逊相关系数ρij\rho_{ij}ρij,该相关系数度量了用户对物品i和物品j进行评分的相似性趋势。...翻译 2019-01-15 12:21:34 · 1217 阅读 · 4 评论 -
Netflix的推荐的推荐模型包含了特定天的参数,那么netflix是如何使用这些天数来预测未来的评分呢?
Netflix prize大赛获奖者的模型中包含了特定天的参数,那么一个明显的问题就是如何使用这些模型来预测未来的评分呢?一个简单的处理方式就是对于未来(未训练)的日期,特定日期的参数应该取默认值。也就是对于式:bui=μ+bu+αu⋅devu(tui)+bu,tui+(bi+bi,Bin(tui))⋅cu(t)b_{ui}=\mu+b_u+\alpha_u\cdot dev_u(t_{ui})...翻译 2019-01-13 12:23:32 · 287 阅读 · 0 评论 -
因子分解模型——SVD、SVD++、timeSVD++
用隐语义模型来进行协同过滤的目标是揭示隐藏的特征。这些隐藏的特征能够解释观测到的评分,该模型的一些实例包括pLSA模型、神经网络模型、隐式Dirichlet分配模型,以及由用户-物品评分矩阵的因子分解推导出的模型(也叫做基于SVD的模型)。翻译 2019-01-11 21:52:12 · 4461 阅读 · 1 评论 -
Netflix的基准预测
1. 基准预测CF模型试图捕捉用户和物品之间的交互作用,正是这些交互作用产生了不同的评分值。然而大部分观察到的评分值要么与用户相关,要么与物品相关,而与用户和物品之间的交互作用无关。比如典型的CF数据显示了用户和物品中存在的偏置,也就是说,数据中某些用户评分比其他用户高和某些物品得到的评分比其他物品高的明显倾向。我们将这些与用户—物品交互作用无关的因子(这些因子也叫偏置)封装到基准预测中。由于...翻译 2019-01-12 13:30:46 · 1308 阅读 · 0 评论 -
Netflix Prize数据集详解及数据集下载链接
Netflix数据集包含了1999.12.31-2005.12.31期间匿名客户提供的超过一亿部电影平级。这个数据集大约给出了480189个用户和17770部电影评级。数据集中的详细信息如下图所示:该数据集包含电影信息、training set(训练集)、probe set(探测集)和qualifying set(评估集)组成。qualifying set(评估集)又被分为Quiz(测验集)和...原创 2019-01-17 18:36:19 · 10611 阅读 · 21 评论 -
协同过滤——受限制玻尔兹曼机
基于模型的协同过滤主要包括矩阵因子分解、受限制玻尔兹曼机、贝叶斯网络等。今天主要梳理一下受限制玻尔兹曼机的知识。翻译 2019-01-17 13:17:16 · 574 阅读 · 0 评论