DeepLearning
紫翼翊影
寻求成为高级算法工程师的方向和道路
展开
-
《深度学习推荐系统》阅读笔记 2.前深度学习时代—推荐系统的进化之路-(1)协同过滤—基于邻域的方法
第二章—前深度学习时代—推荐系统的进化之路-(1)协同过滤—基于邻域的方法 为什么还要学习传统推荐系统方法 尽管当今推荐系统、计算广告和其他工业互联网领域中深度学习已经成为了主流方法,但了解传统推荐系统方法依然是必要的,理由有二: 即使深度学习流行的今日,像协同过滤、逻辑回归、因子分解机等方法依然凭借可解释性强、环境要求低、易于快速训练和部署简单等优势,活跃在大量应用场景中。依然有许多领域把LR当作基线不断去迭代。 传统推荐模型是深度学习模型的基础。比如,神经网络的基本单元是神经元,应用广泛的LR是神经元原创 2020-06-14 20:17:10 · 869 阅读 · 0 评论 -
《深度学习推荐系统》阅读笔记 1.互联网的增长引擎—推荐系统
第一章 互联网的增长引擎—推荐系统 近期把王喆老师的著作《深度学习推荐系统》阅读了一遍,受益良多。为了再深入吸收书中的实战经验,决定从头到尾梳理一遍书中的我认为的重要知识点,并对书中介绍较少的细节进行补充,同时补充一些代码来解释某些理论。 推荐系统的意义 “推荐”是目前互联网应用中不可或缺的技术手段。购物、阅读和学习,都要面对网络上大量的良莠不齐的内容。推荐系统从来没有像现在这样影响着人们的生活。从用户和公司的两个角度可以阐述推荐系统存在的意义: 用户:推荐系统解决在“信息过载”的情况下,用户如何高效获取原创 2020-05-30 19:07:58 · 386 阅读 · 0 评论