7_论文阅读-推荐系统 - 随笔分类 - _1024

【论文阅读-REC】<<Collaborative Filtering for Implicit Feedback Datasets>>阅读

摘要：摘要：以前的推荐使用用户的明确反馈，我们使用隐反馈；文中方法优化过程和数据量呈线性关系；可以很好地和已有系统融合；我们讲给出一个方法的解释。 1、介绍 1）电子商务对推荐要求很大 2）传统的推荐方法：一、基于内容，缺点：数据不好搜集二、协同过滤：优点：领域无关，可以捕获基于内容难以获得的信阅读全文

posted @ 2017-05-21 02:46 _1024 阅读(451) 评论(0) 推荐(0)

【论文阅读-REC】<<Recommending music on Spotify with deep learing>>阅读

摘要：1、协同过滤协同过滤不使用item的具体信息，因此可适用性很强，在书籍、电影、音乐上都可用；协同过滤不适用item的具体信息，因此强者愈强；冷启动问题无法解决 2、基于内容的推荐使用声音信号推荐 3、用DL预估偏好把用户和music各表示成vec 4、提升效率输入：每个audio，切割成阅读全文

posted @ 2017-05-07 13:40 _1024 阅读(173) 评论(0) 推荐(0)

【论文阅读-REC】<<DEEP NEURAL NETWORKS FOR YOUTUBE RECOMMENDATIONS>>阅读

摘要：1、介绍： YouTube推荐的挑战： scale：很多算法在小数据有用，在youtube无用； freshness：需要对对新上传视频足够敏感； noisy：没有真实的用户反馈；缺少结构化的数据 2、skip 3、候选生成：之前的模型是基于矩阵分解；YouTube的DL模型的前几层就是使用神经网阅读全文

posted @ 2017-05-07 01:37 _1024 阅读(220) 评论(0) 推荐(0)

【论文阅读-REC】<<Deep Neural Networks for Youtube Recommendations>>阅读

posted @ 2017-05-07 01:32 _1024 阅读(198) 评论(0) 推荐(0)

随笔分类 - 7_论文阅读-推荐系统