推荐系统 - 随笔分类 - foghorn

深度学习推荐系统演化

摘要：深度学习推荐系统演化[1] 1 Deep Crossing——微软2016 文献来源：https://www.kdd.org/kdd2016/papers/files/adf0975-shanA.pdf 简介一般机器学习任务需要人工进行特征工程，提取出对任务最有效的特征，在互联网时代，这种方式变的阅读全文

posted @ 2022-03-02 19:21 foghorn 阅读(566) 评论(0) 推荐(0) |

MOBIUS: Towards the Next Generation of Query-Ad Matching in Baidu's Sponsored Search——百度下一代搜索广告系统

摘要：简介传统的广告最终的呈现需要经过召回与排序两个阶段，百度的搜索架构则采用三层漏斗状，如图1所示。最上面的一层用于筛选出和用户查询最相关的一部分广告，将整个候选广告集从亿级降到千级；下面两层是排序阶段，需要结合具体的业务，对召回的广告进行最终的排序、展示。三层结构相较于两层结构更多的是从计算资源与业阅读全文

posted @ 2022-02-23 19:37 foghorn 阅读(291) 评论(0) 推荐(0) |

Sample Optimization For Display Advertising——百度召回阶段负样本采样优化策略

摘要：图1 广告排序两阶段架构简介样本优化包括样本增强和样本提纯，是现代广告投放平台中一个重要但经常被忽视的组成部分。由于大量的候选广告，工业广告服务通常利用多层漏斗形结构（如图1所示），至少涉及两个阶段：候选样本生成和重新排序。在候选样本生成步骤中，通常根据过去的点击/转换数据训练离线神经网络匹配模阅读全文

posted @ 2022-02-21 23:06 foghorn 阅读(524) 评论(0) 推荐(0) |

Graph Convolutional Neural Networks for Web-Scale Recommender Systems——论文笔记

摘要：简介传统的深度学习网络主要针对图片，语音等欧氏空间内规则型数据；而对社交、电商和医疗等非规则结构数据则仍受到一定程度的限制。以电商场景为例，可以将用户、商品和广告等都看作节点（nodes），而将用户对于商品的购买，广告的点击等操作视为边（edges，节点间连接）。节点和边就构成了一张图（Graph 阅读全文

posted @ 2022-02-10 14:59 foghorn 阅读(314) 评论(0) 推荐(0) |

LARA: Attribute-to-feature Adversarial Learning for New-item Recommendation论文笔记

摘要：图1 商品属性和用户配置文件之间关系的示例。左边列出了鞋子的属性，而右边列出了从相应的属性推断出的可能的用户配置文件简介该论文于2020年发表在WSDM上，目的是解决推荐系统中的冷启动问题。作者认为商品的属性可以反映用户的特征，如图1所示，一个鞋子会有不同的特征，这些特征能从侧面反映用户的兴趣爱阅读全文

posted @ 2022-02-07 22:19 foghorn 阅读(278) 评论(0) 推荐(0) |

GBDT+LR原理及实战

摘要：概述 GBDT+LR模型是Facebook于2014年提出的，目的是解决高维特征的组合和筛选的问题。在该模型提出之前，FM、FFM能够实现特征的二阶交叉，但本质上还是属于线性模型的范畴，如果想要扩展到更高阶的特征交叉，则模型的复杂度会很高，难以在实际中应用。Facebook提出了一种利用GBDT自动阅读全文

posted @ 2022-01-23 16:30 foghorn 阅读(1262) 评论(0) 推荐(0) |

BPR: Bayesian Personalized Ranking from Implicit Feedback

摘要：个性化排序的任务是为用户提供一个项目的排序列表。这也被称为项目推荐。一个例子是一个在线商店，它希望推荐一个用户可能想要购买的个性化商品排名列表。在本文中，我们研究了必须从用户的内隐行为（例如，过去的购买）中推断出排名的场景。关于隐式反馈系统，有趣的是，只有积极的观察结果可用。未观察到的用户项目对，例阅读全文

posted @ 2021-12-11 20:05 foghorn 阅读(359) 评论(0) 推荐(0) |

DSSM模型——Learning Deep Structured Semantic Models for Web Search using Clickthrough Data

摘要：本文是2013年微软发表的论文的简要回顾，文中采用深层神经网络结构来学习查询（query）和文档（document）的隐式特征表示，然后用cosine函数计算两者之间的相似性全文地址如下：https://www.microsoft.com/en-us/research/wp-content/upl 阅读全文

posted @ 2021-11-30 22:55 foghorn 阅读(558) 评论(1) 推荐(1) |

Neural Collaborative Filtering——论文解读

摘要：摘要近年来，深度神经网络在语音识别、计算机视觉和自然语言处理方面取得了巨大的成就。然而，对推荐系统领域的深度神经网络的探索收到的关注相对较少。虽然已经有一部分工作将深层神经网络引入到了推荐系统中，但主要使用深度神经网络来处理额外的信息，比如商品的文本描述。当涉及到建模协同过滤的关键因素——用户和阅读全文

posted @ 2021-11-14 20:40 foghorn 阅读(744) 评论(0) 推荐(0) |

论文复现——AutoRec: Autoencoders Meet Collaborative Filtering

摘要：《AutoRec: Autoencoders Meet Collaborative Filtering》是2015年Suvash等人发表在“The Web Conference”会议上的一篇论文，作者提出用自编码器预测用户对电影的评分。论文比较短，只有两页，可以说是深度学习在推荐系统领域应用的开端。阅读全文

posted @ 2021-08-16 21:18 foghorn 阅读(277) 评论(0) 推荐(0) |

FM（因子分解机）原理与实战

摘要：#0 概述因子分解机（Factorization Machine，FM）于2010年被首次提出，其目的是解决数据稀疏问题以及特征组合爆炸问题，是曾经火爆学术界的推荐模型，虽然近几年基于深度学习的推荐算法是众多学者的研究热点，但因FM实现简单，效果强大，其思想仍值得我们深入研究。此外FM与深度学习技阅读全文

posted @ 2021-08-09 21:07 foghorn 阅读(1419) 评论(0) 推荐(0) |

foghorn

公告

随笔分类 - 推荐系统