推荐系统
LKID体
欢迎交流学习,wx号:lkidti。或关注微信公众号LKIDTI
展开
-
推荐新闻之多路召回
多路召回所谓的“多路召回”策略,就是指采用不同的策略、特征或简单模型,分别召回一部分候选集,然后把候选集混合在一起供后续排序模型使用,可以明显的看出,“多路召回策略”是在“计算速度”和“召回率”之间进行权衡的结果。其中,各种简单策略保证候选集的快速召回,从不同角度设计的策略保证召回率接近理想的状态,不至于损伤排序效果。如下图是多路召回的一个示意图,在多路召回中,每个策略之间毫不相关,所以一般可以写并发多线程同时进行,这样可以更加高效上图只是一个多路召回的例子,也就是说可以使用多种不同的策略来获取用户排原创 2020-11-30 19:51:37 · 238 阅读 · 0 评论 -
一、新闻推荐之数据探索与数据分析
新闻推荐之数据探索与数据分析文章目录新闻推荐之数据探索与数据分析导入相关的包读取数据数据探索数据预处理train_click_log.csv文件数据中每个字段的含义新闻点击次数分析导入相关的包%matplotlib inlineimport pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsplt.rc('font', family='SimHei', size=13)im原创 2020-11-27 21:42:50 · 420 阅读 · 0 评论 -
推荐系统实践之新闻推荐baseline理解
推荐系统实践之新闻推荐baseline理解一、理解赛题1.1 、赛题背景赛题:零基础入门推荐系统 - 新闻推荐赛题以新闻APP中的新闻推荐为背景,要求选手根据用户历史浏览点击新闻文章的数据信息预测用户未来点击行为,即用户的最后一次点击的新闻文章,测试集对最后一次点击行为进行了剔除。1.2、赛题目标预测用户点击新闻文章Top5的article_id依概率从高到低排序1.3、数据概况数据说明:数据已经给出了几张表,已经将数据划分了训练集和测试集了。其中数据段的说明我们需要明确知道哪些字段代表这原创 2020-11-25 15:47:17 · 522 阅读 · 0 评论 -
GBDT+LR简介
文章目录一. GBDT+LR简介二. 逻辑回归模型三. GBDT模型四. GBDT+LR模型一. GBDT+LR简介在协同过滤和矩阵分解存在的劣势就是仅利用了用户与物品相互行为信息进行推荐, 忽视了用户自身特征, 物品自身特征以及上下文信息等,导致生成的结果往往会比较片面。2014年由Facebook提出的GBDT+LR模型, 该模型利用GBDT自动进行特征筛选和组合, 进而生成新的离散特征向量, 再把该特征向量当做LR模型的输入, 来产生最后的预测结果, 该模型能够综合利用用户、物品和上下文等多种不原创 2020-10-30 21:40:50 · 4355 阅读 · 0 评论 -
Wide和Deep模型
Wide和Deep模型文章目录Wide和Deep模型1. 点击率预估简介2、Wide & Deep模型3. 代码实战4. 深度学习推荐系统的发展1. 点击率预估简介点击率预估是对每次广告点击情况作出预测,可以输出点击或者不点击,也可以输出该次点击的概率,后者有时候也称为pClick.点击率预估模型需要做什么?点击率预估问题就是一个二分类的问题,在机器学习中可以使用逻辑回归作为模型的输出,其输出的就是一个概率值,我们可以将机器学习输出的这个概率值认为是某个用户点击某个广告的概率。点原创 2020-10-27 21:29:19 · 354 阅读 · 0 评论 -
推荐系统的矩阵分解和FM模型
1. 隐语义模型与矩阵分解文章目录1. 隐语义模型与矩阵分解2. 隐语义模型3. 矩阵分解算法的原理4. 矩阵分解算法的求解6. 编程实现、矩阵分解的优缺点分析在之前已经说过协同过滤他对于稀疏矩阵处理能力是非常弱的它的特点就是完全没有利用到物品本身或者是用户自身的属性, 仅仅利用了用户与物品的交互信息就可以实现推荐,是一个可解释性很强, 非常直观的模型。为了使得协同过滤更好处理稀疏矩阵问题, 增强泛化能力, 从协同过滤中衍生出矩阵分解模型(Matrix Factorization,MF)或者叫隐语义原创 2020-10-25 21:47:40 · 234 阅读 · 0 评论 -
协同过滤算法
文章目录1. 协同过滤算法介绍2. 相似性度量方法3. 基于用户的协同过滤4. UserCF编程实现5 、基于物品的协同过滤6.ItemCF编程实现7. 算法评估8、协同过滤算法的问题分析9、UserCF和ItemCF区别10、协同过滤优缺点1. 协同过滤算法介绍协同过滤(Collaborative Filtering)* 推荐算法是最经典、最常用的推荐算法。简称CF|所谓协同过滤, 基本思想是根据用户之前的喜好以及其他兴趣相近的用户的选择来给用户推荐物品 (基于对用户历史行为数据的挖掘发现用户的喜好原创 2020-10-22 20:33:24 · 2922 阅读 · 0 评论 -
推荐系统task01:简介概述
推荐系统task01:简介概述前言推荐系统这一个概念大家都知道,只要上过淘宝,京东等都是会了解到推荐系统的。比如我们在淘宝时候,在一件商品页面上停留时间长一些,网页都会可有可无的刷新出类似的商品。下面介绍一下推荐系统。文章目录推荐系统task01:简介概述前言一、推荐系统作用二、推荐系统应用三、推荐系统的分类四. 常用评测指标4.1.用户满意度4.2.预测准确度4.3 覆盖率4.4、 多样性4.5、 新颖性4.6、AUC曲线4.6、商业目标五、召回5.1、召回层在推荐系统架构中的位置及作用5.2、多原创 2020-10-19 22:47:47 · 206 阅读 · 2 评论