推荐系统
-
人工智能领域:面试常见问题超全(深度学习基础、卷积模型、对抗神经网络、预训练模型、计算机视觉、自然语言处理、推荐系统、模型压缩、强化学习、元学习)
【深度学习入门到进阶】必看系列,含激活函数、优化策略、损失函数、模型调优、归一化算法、卷积模型、序列模型、预训练模型、对抗神经网络等 专栏详细介绍:【深度学习入门到进阶】必看系列,…
-
推荐系统[一]:超详细知识介绍,一份完整的入门指南,解答推荐系统相关算法流程、衡量指标和应用,以及如何使用jieba分词库进行相似推荐,业界广告推荐技术最新进展
搜索推荐系统专栏简介:搜索推荐全流程讲解(召回粗排精排重排混排)、系统架构、常见问题、算法项目实战总结、技术细节以及项目实战(含码源) 专栏详细介绍:搜索推荐系统专栏简介:搜索推荐…
-
【推荐系统入门到项目实战】(二):基于相似度推荐(含代码)
【推荐系统】 🌸个人主页:JOJO数据科学 📝个人介绍:统计学top3高校统计学硕士在读 💌如果文章对你有帮助,欢迎✌关注、👍点赞、✌收藏、👍订阅专栏 ✨本文收录于【推荐系统入门到…
-
Embedding 基础
一、什么是Embedding 简单来说,Embedding 就是用一个数值向量“表示”一个对象(Object)的方法,这里说的对象可以是一个词、一个物品,也可以是一部电影等等。一个…
-
激活函数 – 杂记
目录 1.Sigmoid ,导数: 优点:平滑、易求导。可以将函数映射到(0, 1)之间,通常二分类算法会在最后套一层sigmoid函数。 缺点: 计算量大,包含指数运算 Sigm…
-
Multi-behavior Recommendation with Graph Convolutional Networks
摘要 传统的推荐模型通常只使用一种用户-项目交互,但面临着严重的数据稀疏性或冷启动问题。使用多种类型的用户-项目交互,如点击和收藏,可以作为一种有效的解决方案。早期对多行为推荐的努…
-
2019-TKDE-Learning to Recommend With Multiple Cascading Behaviors | 精读
本文是一篇关于多任务学习的文章。里面的设计思路非常值得借鉴,也更符合我们的直观理解。在实践中确实带来了不错的效果。 大多数现有的推荐系统仅利用一种类型的用户行为数据,例如电子商务中…
-
【推荐系统多任务学习MTL】MMoE论文精读笔记(含代码实现)
论文地址: Google KDD 2018MMOE (内含论文官方讲解视频) PDF Modeling Task Relationships in Multi-task Learn…
-
7.Deep Interest Network for Click-Through Rate Prediction论文详解
一、概述 这是2018年阿里Guorui Zhou等人发表在KDD上的一篇论文。论文提出在CTR任务中,丰富的用户历史行为数据包含了用户多种兴趣,对于不同的候选广告,起作用的用户历…
-
Multi-Modal Knowledge Graph(多模态知识图谱)
本篇博文梳理一篇knowledge-based方向的文章,结合了多模态知识的多模态知识图谱。来自复旦大学,先上路径: Title:Multi-Modal Knowledge Gra…