DeePR

在学习和应用推荐算法的过程中，发现越来越多的文章在描述深度学习应用在推荐系统上的方法，不可否认深度学习的发展给推荐系统带来了巨大的进步，但是传统的经典算法仍然是非常值得学习的，毕竟可以作为一个比较高的

不知道大家有没有这种感受，在学习推荐系统算法模型时，少不了embedding的应用，有的推荐算法模型甚至可以说就是在做embedding的过程，可见embedding在推荐系统中的重要性。 这篇文章就专门把embedding单独提出来，梳理一下embedding在推荐系统中的应…

前些天闲来无事想弄个微信公众号机器人，因为可以用机器人做好多事情，比如可以让它变成一个智能聊天机器人，也可以让它爬取并推送arxiv上自己想要的论文，还可以让它绘制并推送有关肺炎疫情的曲线图等等，所有的这些只需要实现对应指令的接口即可，也就是给公众号发送指定的指令，就会给你推送…

上一篇文章介绍了基本的基于注意力机制方法对序列特征的处理，这篇主要介绍一下基本的基于卷积神经网络方法对序列特征的处理，也就是TextCNN方法。序列特征的介绍，背景以及应用可以参考上一篇的详细介绍，这里简单回顾一下定义，用户在使用APP或网站的时候，用户会产生一些针对物品的行为…

之前两篇讲过稠密特征和多值类别特征加入CTR预估模型的常用处理方法，这篇介绍一下针对序列特征采用的最基本的注意力机制方法。 那么如何利用这些用户感兴趣的物品序列来提取到用户的兴趣特征呢？从另一个层面上讲也就是怎样在这些用户感兴趣的物品序列当中提炼出一些共有的属性，而这些属性就能…

稠密特征一般是相对稀疏特征来说的，我们知道类别特征经过独热编码之后比较稀疏，比如类别 [‘小猫’，‘小狗’，‘小熊’，‘小猴’] 被独热编码后的数据结构为[[1,0,0,0],[0,1,0,0],[0,0,1,0],[0,0,0,1]]，可以看到这种数据很稀疏，但是像桌子的长度…

在深度学习还没有引入到点击率（Click-Through Rate，CTR）预估之前，CTR预估的模型大概经历了三个阶段：逻辑回归（Logistic Regression，LR），因子分解机（Factorization Machine，FM）、梯度提升树（Gradient Bo…