推荐系统
20篇文章 · 0订阅
  • 推荐系统遇上深度学习(二)--FFM模型理论和实践
    在CTR预估中，经常会遇到one-hot类型的变量，one-hot类型变量会导致严重的数据特征稀疏的情况，为了解决这一问题，在上一讲中，我们介绍了FM算法。这一讲我们介绍一种在FM基础上发展出来的算法-FFM（Field-aware Factorization Machine）…
  • 推荐系统遇上深度学习(十一)--神经协同过滤NCF原理及实战
    好久没更新该系列了，最近看到了一篇关于神经协同过滤的论文，感觉还不错，跟大家分享下。 论文地址：https://www.comp.nus.edu.sg/~xiangnan/papers/ncf.pdf 本文讨论的主要是隐性反馈协同过滤解决方案，先来明确两个概念：显性反馈和隐性反…
  • 推荐系统遇上深度学习(十)--GBDT+LR融合方案实战
    GBDT和LR的融合在广告点击率预估中算是发展比较早的算法，为什么会在这里写这么一篇呢？本来想尝试写一下阿里的深度兴趣网络(Deep Interest Network)，发现阿里之前还有一个算法MLR，然后去查找相关的资料，里面提及了树模型也就是GBDT+LR方案的缺点，恰好之…
  • 推荐系统遇上深度学习(七)--NFM模型理论和实践
    在CTR预估中，为了解决稀疏特征的问题，学者们提出了FM模型来建模特征之间的交互关系。但是FM模型只能表达特征之间两两组合之间的关系，无法建模两个特征之间深层次的关系或者说多个特征之间的交互关系，因此学者们通过Deep Network来建模更高阶的特征之间的关系。 因此 FM和…
  • 推荐系统遇上深度学习(六)--PNN模型理论和实践
    PNN，全称为Product-based Neural Network，认为在embedding输入到MLP之后学习的交叉特征表达并不充分，提出了一种product layer的思想，既基于乘法的运算来体现体征交叉的DNN网络结构，如下图： 按照论文的思路，我们也从上往下来看这…
  • 推荐系统遇上深度学习(一)--FM模型理论和实践
    在计算广告和推荐系统中，CTR预估(click-through rate)是非常重要的一个环节，判断一个商品的是否进行推荐需要根据CTR预估的点击率来进行。在进行CTR预估时，除了单特征外，往往要对特征进行组合。对于特征组合来说，业界现在通用的做法主要有两大类：FM系列与Tre…
  • 推荐系统遇上深度学习(十三)--linUCB方法浅析及实现
    推荐系统遇上深度学习(十三)--linUCB方法浅析及实现