推荐系统
文章平均质量分 67
珞沫
欲望以提升热忱,毅力以磨平高山。
展开
-
传统推荐系统综述
第二章引言————前深度学习时代—推荐系统的进化之路【本章思维导图】引言\quad \quad推荐系统的发展很快,从2010年的协同过滤(Collaborative Filtering,CF)、逻辑回归(Logistic regression,LR),进化到因子分解机(Factorization Machine,FM)、梯度提升树(Gradient Bossting Decision Tree,GBDT),再到2015年之后深度学习推荐模型的百花齐放,各种模型架构层出不穷。推荐系统的主流模型经历原创 2021-01-05 09:25:56 · 1002 阅读 · 0 评论 -
传统推荐系统之协同过滤算法(UserCF、ItemCF)
协同过滤算法(CF)1、概述2、相似性度量方法3 、基于用户的协同过滤算法(UserCF)3.1 基本思想3.2 基本原理1、概述\quad \quad仅仅基于用户行为数据设计的推荐算法一般称为协同过滤(Collaborative Filtering)算法。学术界对协同过滤算法进行了深入研究,提出了很多方法,比如基于邻域的方法、隐语义模型、基于图的随机游走算法等。在这些方法中,最著名的、在业界中得到最广泛应用的算法是基于邻域的方法,而基于邻域的方法主要包括下面两种算法。基于用户的协同过滤算法(Use原创 2020-12-01 17:32:37 · 3536 阅读 · 0 评论 -
推荐系统概述
第一章1.1 推荐系统的作用1.2 推荐系统的架构————互联网的增长引擎——推荐系统【思维导图】1.1 推荐系统的作用用户角度:解决在信息过载的情况下,用户如何高效获得感兴趣信息的问题。节约用户的时间。公司角度:解决产品能够最大限度地吸引用户、留存用户、增加用户粘性,提高产品的用户转化率的问题,以达到公司商业目标连续增长的目的。1.2 推荐系统的架构逻辑架构处理问题:对于用户U,在特定场景C下,针对海量的物品信息,构建一个函数f(U,I,C),预测用户对特定候选物品I的喜原创 2020-12-01 13:40:34 · 285 阅读 · 0 评论