---推荐系统---
文章平均质量分 88
推荐系统算法、架构等介绍
Rocket,Qian
硕士毕业于同济大学,主要方向是机器学习、深度学习、推荐算法研究以及量化。精通python、MATLAB,熟悉java、C++等编程语言,熟练掌握数据结构与算法、计算机网络,sklearn、XGboost、Tensorflow、pytorch、Keras等框架,分布式系统等。
展开
-
YouTube深度学习视频推荐系统
YouTube深度学习视频推荐系统1. 推荐系统的应用场景2.YouTube 推荐系统架构3.候选集生成模型4. 候选集生成模型独特的线上服务方法5. 排序模型6. 训练和测试样本的处理7. 处理用户对新视频的爱好8. 总结1. 推荐系统的应用场景作为全球最大的视频分享网站,YouTube 平台中几乎所有的视频都来自 UGC(User Generated Content,用户原创内容),这样的内容产生模式有两个特点:一是其商业模式不同于 Netflix,以及国内的腾讯视频、爱奇艺这样的流媒体,这些流原创 2021-01-25 11:47:46 · 1155 阅读 · 3 评论 -
推荐系统的评估
推荐系统的评估1. 离线评价方法与基本评价指标1.1 离线评估的主要方法1.2 离线评估的指标2. 直接评估推荐序列的离线指标2.1 P-R曲线2.2 ROC曲线2.3 平均精度均值2.4 合理选择评估指标3. 近线环境的离线评估方法-Replay3.1 模型评估的逻辑闭环3.2 动态离线评估方法3.3 Netflix的Replay评估方法4. A/B测试与线上评估指标4.1 何为A/B测试4.2 A/B测试的"分桶"原则4.3 线上A/B测试的评估指标5. 快速线上评估方法-Interleaving6.原创 2021-01-21 22:51:25 · 638 阅读 · 2 评论 -
深度学习推荐系统的工程实现(概要)
深度学习推荐系统的工程实现1.推荐系统的数据流1.1 批处理大数据架构1.2 流处理大数据架构1.3 Lambda架构1.4 Kappa架构1.5 大数据平台与推荐系统的整合2.推荐模型离线训练之Spark MLlib2.1 Spark的分布式计算原理2.2 Spark MLlib的模型并行训练原理2.3 Spark MLlib并行训练的局限性3.推荐模型离线训练之Parameter Server4.推荐模型离线训练之Tensorflow4.1 Tensorflow的基本原理5.深度学习推荐模型的上线部署6原创 2021-01-20 22:09:17 · 620 阅读 · 0 评论 -
推荐系统的特征工程
特征工程---推荐系统1. 构建推荐系统特征工程的原则2. 推荐系统中的常用特征2.1 用户行为数据2.2 用户关系数据2.3 属性、标签类数据2.4 内容类数据2.5 上下文数据2.6 统计类数据2.7 组合类数据3.常用的特征处理方法4. 特征工程与业务理解构建一个好的特征工程,需要依次解决三个问题:构建特征工程应该遵循的基本原则是什么?有哪些常用的特征类别?如何在原始特征的基础上进行特征处理,生成可供推荐系统训练和推断yoga的特征向量?1. 构建推荐系统特征工程的原则2. 推荐系统中原创 2021-01-19 22:41:33 · 336 阅读 · 0 评论 -
Embedding技术在推荐系统中的应用
Embedding技术1.什么是 Embedding?1.1 词向量的例子1.2 Embedding技术对于深度学习推荐系统的重要性2.word2vec——经典的Embedding方法2.1 什么是word2vec2.2 Word2vec的训练过程2.3 Word2vec的负采样训练方法3.Item2vec——Word2vec在推荐系统领域的推广到处都在谈Embedding,那么Embedding技术到底是什么呢?1.什么是 Embedding?Embedding 其实就是用一个低维稠密的数值向量“表原创 2021-01-14 16:51:08 · 366 阅读 · 1 评论 -
天池大赛之新闻推荐
新闻推荐初探以及baseline1.介绍2.baseline:比赛地址:推荐系统-新闻推荐1.介绍环境:我用的Google colab,天池实验室也可以免费使用的。有5个数据集,分别是:train_click_log.csv:训练集用户点击日志testA_click_log.csv:测试集用户点击日志articles.csv:新闻文章信息数据表articles_emb.csv:新闻文章embedding向量表示sample_submit.csv:提交样例文件这是原创 2020-12-10 18:06:30 · 1385 阅读 · 1 评论 -
推荐中的矩阵分解
矩阵分解1.SVD 算法2.ALS 算法3.BPR算法1.SVD 算法2.ALS 算法3.BPR算法原创 2020-11-25 14:26:06 · 169 阅读 · 0 评论 -
近邻推荐
近邻推荐1.基于用户的协同过滤算法1.1 协同过滤算法1.2 基于用户的协同过滤算法原理1.2.1 原理1.2.2 实践1.3 应用场景2.基于物品的协同过滤算法2.1 常见应用场景2.2 算法原理3. 相似度算法3.1 相似度的本质3.2 相似度计算方法3.2.1 欧氏距离3.2.2 余弦相似度3.2.3 皮尔逊相关系数3.2.4 Jaccard相似度3.3 向量化计算1.基于用户的协同过滤算法1.1 协同过滤算法协同过滤算法与推荐系统的关系十分紧密,所以这是一个非常重要的算法。协同过滤算法是一个原创 2020-11-24 10:20:27 · 307 阅读 · 0 评论 -
推荐系统-内容推荐
内容推荐1.用户画像1.1 什么是用户画像3.1.2 关键因素3.1.3 构建方法2.标签挖掘技术3.基于内容的推荐3.1内容源3.2 内容分析3.3 内容推荐算法1.用户画像1.1 什么是用户画像首先推荐系统的使命就是要在用户和物品之间建立连接。一般方式就是对用户和物品之间的匹配进行评分,也就是预测用户评分或者偏好。推荐系统在对匹配进行评分前,首先要将用户和物品都表示成向量,这样才能进行计算。而采用的推荐算法不同,向量化的方式也不同,最终使用匹配评分的做法也会不同。用户向量化后的结果就是用户画像。原创 2020-11-18 15:04:04 · 796 阅读 · 0 评论 -
推荐系统特征工程技巧
@[TOC]推荐系统特征工程技巧RecSys2020大会,NVIDIA大佬分享的关于推荐系统中特征工程的Tutorial。原文献 :Tutorial: Feature Engineering for Recommender Systems原创 2020-10-29 11:43:19 · 300 阅读 · 0 评论 -
推荐系统的算法基础
推荐系统的算法基础1.数学基础1.1 线性代数1.2 概率与统计1.3 损失函数1.4 优化方法1.5 评价方法2.推荐系统介绍3.推荐算法工具3.1 Sklearn3.1.1 SKlearn介绍3.1.1 SKlearn建模流程3.2 Spark MLlib3.3 Tensorflow3.4 Notebook介绍1.数学基础1.1 线性代数向量点积点积的定义:A⋅B=∑i=1naibiA·B= \displaystyle \sum_{i=1}^n a_ib_iA⋅B=i=1∑naib原创 2020-09-08 16:45:28 · 826 阅读 · 0 评论 -
推荐系统相关技术总结
在学习过程中,对推荐系统相关技术做得初步的总结。后续会随着学习的深入,不断完善补充,加油!!!!原创 2020-08-20 22:21:15 · 255 阅读 · 0 评论