![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
yanhe156
这个作者很懒,什么都没留下…
展开
-
排序学习论文阅读:EigenRank
论文 EigenRank: A Ranking-Oriented Approach to Collaborative Filtering (SIGIR 2008) Abstract 传统协同过滤算法预测潜在的点击率(rating)。 这篇文章提出了一种协同过滤方法结局用户偏好引发的物品排序问题: 1) 通过用户间的物品排序(item ranking)来衡量相似性,而不是用rating value;...原创 2019-04-07 11:41:21 · 1037 阅读 · 0 评论 -
论文翻译: Adaptive implicit friends identification over heterogeneous network for social recommendation
论文: Adaptive Implicit Friends Identification over Heterogeneous Network for Social Recommendation 下载链接: https://dl.acm.org/citation.cfm?id=3271725 CIKM 2018原创 2019-04-07 23:33:21 · 1366 阅读 · 1 评论 -
word2vec准确率的意义
原版word2vec 提供了一个compute-accuracy的程序,用来计算准确率。 计算时用到了questions-words.txt 这个文件,这个文件内容如下 所以,word2vec 计算准确率(包括gensim也是),其实是测试 一个简单的词汇类比任务的准确率。 如果用其他语言的预料,或者是在推荐系统中使用word2vec,这个compute-accuracy就不适用了。当然,也可...原创 2019-04-16 17:32:55 · 1240 阅读 · 0 评论 -
NCF
这篇文章提到,深度学习在推荐系统里一般是用来抽取特征的,在协同过滤的关键环节—— user和item特征的交互上,还是要用矩阵分解,然后再对分解后得到的user和item的表征做内积。 这篇文章想用一个神经网络替换掉内积。 矩阵分解是常用的方法,具体是把user和item映射到同一个向量空间,用向量来表示user和item。然后向量做点积,结果越大的表示越可能发生交互(点击)。但是有时除了做内积,...原创 2019-09-16 11:48:13 · 479 阅读 · 0 评论