推荐系统
文章平均质量分 93
记载着个人对推荐系统的技术认识,沉淀推荐系统相关的知识
AI_盲
努力爬。。。
展开
-
推荐系统Bias汇总
文章:《Bias and Debias in Recommender System: A Survey and Future Directions》数据中的Bias选择偏差(Selection Bias):当用户可以自由选择要评分的项目时,会出现选择偏差,因此观察到的评分并不是所有评分的代表性样本。换言之,评级数据往往是不随机缺失的(MNAR)。例如:在rating数据集上面, 用户并非是随机打分的:1.用户会选择它们喜欢的商品进行打分;2.用户更倾向于给特别好的商品和坏的商品打分;解决方.原创 2021-07-05 22:03:35 · 547 阅读 · 1 评论 -
推荐系统技术
目录推荐系统技术整体流程用户画像match部分CF(协同过滤)SwingContent I2ISession-based I2I向量召回RankI2IRank部分LRLR+GBDTFM/FFMMLRFNNAFMNFMPNNWide&DeepDeepFMDeepFFMDCNxDeepFMFAT...原创 2019-05-18 17:43:00 · 10998 阅读 · 14 评论 -
推荐系统方法概览
1>基于用户属性的推荐:根据系统用户的基本信息发现用户的相关程度,然后将相似用户喜爱的其他物品推荐给当前用户。系统首先会根据用户的属性建模,比如用户的年龄,性别,兴趣等信息。根据这些特征计算用户间的相似度。比如系统通过计算发现用户A和C比较相似,就会把A喜欢的物品推荐给C。优势:a 不需要历史数据,没有冷启动问题b 不依赖于物品的属性,因此其他领域的问题都可无缝接入。 不足:原创 2017-07-24 11:24:14 · 5914 阅读 · 0 评论 -
推荐系统冷启动技术-研究进展
最近调研了一些冷启动方案,现汇总如下商品冷启动商品冷启动一般在item的embedding上优化Graph Embedding在Graph Embedding I2I的基础上,加入商品的Side Information,进一步提升Embedding的泛化学习能力,更好地解决长尾以及商品冷启动问题《Hybrid Item-Item Recommendation via Semi-...原创 2019-09-26 01:10:04 · 4708 阅读 · 3 评论