life‘s_a_struggle

摘要：功能丰富的API 搭建 1 import numpy as np 2 import tensorflow as tf 3 from tensorflow import keras 4 from tensorflow.keras import layers 介绍 Keras functional AP 阅读全文

摘要：推荐系统之内容召回2——基于行为的 以短视频推荐为例 类 user和video的关系 信息 C1 没见过的video 海量video C2 见过，但未点击的video user不感兴趣，视频量很大 Negative（VN） C3 见过并点击观看 user感兴趣，少量的一部分 Postive（VP） 阅读全文

摘要：推荐系统之内容召回1——基于内容的 基于内容的召回 基于行为的召回 多路召回 热点召回 一、基于内容的召回 文章召回文章 基于文章相同关键词得分做排序推荐 1 import json 2 3 4 with open("article_keywords") as f: 5 lines=f.readli 阅读全文

摘要：word2vec 14年被谷歌搞出来的，社交领域运用十分广泛，并很快被除了文本中之外的其他邻域运用。 首先，了解什么是语言模型： 判断（计算）一句话合理的概率 用周边词预测一个位置出现词的概率（类似于完形填空） 一、模型构建： step1 ： 假设我们有一个sentence：w1， w2， w3， 阅读全文

摘要：NLP（Nature Language Processing） 中文自动分词（Chinese word segmentation） 词性标注（Part-of-speech tagging） 句法分析（Parsing） 自然语言生成（Natural language generation） 文本分类（ 阅读全文

摘要：推荐系统 之 内容理解 提取内容关键词 对内容品类进行提取 关键词分两种： 外显关键词，要求质量高，用户看的到的Tag 隐形关键词，要求低一些，用户看不到，用于分发。 一、关键词提取 可以从标题中提取，也可从正文中提取。 方法：tf-idf 从人的认知来理解什么是关键词，关键词一般具有以下特征： t 阅读全文

摘要：一、推荐系统评价指标 CTR（点击率）= 点击量 /曝光量 CTR只能作为本系统不同策略的比较指标，不同系统的CTR比较没有意义 缺点在于，对三俗内容点击率可能比较高，避不开长尾问题 UCTR = 有点击行为对的用户 / 访问用户总量 如果CTR高，UCTR底说明可能存在用户流失。 覆盖度 = 推出 阅读全文

摘要：背景：推荐系统是随着互联网发展，数据出现迸发式增长。面对海量数据，用户对信息是茫然的。推荐系统应运而生，解决信息过载问题。 一、推荐系统概览 推荐系统 之 信息处理 顺序 1st 数据来源 2nd 内容审核 3rd 内容理解 4th 内容召回 5th 内容排序 解释 用户上传（UGC） 权威媒体（P 阅读全文

摘要：前言： 从去年的一月份报名马士兵教育人工智能系列课程已经4个月过去。学习过程中记了不少笔记，一直琢磨着待觉得差不多的时候将笔记稍作整理，建个博客。以费曼学习之法，加深记忆。刚好最近学习到了因子分解机器。顿挫之后决定以此作为第一篇博文论题之选。 14年毕业之后未再提笔学习，学习起步的过程非常的痛苦，今 阅读全文