yyyyyyyyyyyyyyyyyyyy

博客园 首页 新随笔 联系 订阅 管理

随笔分类 -  推荐系统

YouTube深度学习推荐系统的十大工程问题
摘要：YouTube深度学习推荐系统的十大工程问题 转：https://zhuanlan.zhihu.com/p/52504407 这里是王喆的机器学习笔记 的第三篇文章，这篇文章紧接着上篇文章 《重读YouTube深度学习推荐系统论文，字字珠玑，惊为神文》，如果没有读过的同学还是强烈建议从我的专栏中翻出 阅读全文
posted @ 2020-05-11 02:06 xxxxxxxx1x2xxxxxxx 阅读(794) 评论(1) 推荐(1)

深度学习推荐系统领域的15个问题
摘要：深度学习推荐系统领域的15个问题 转：https://zhuanlan.zhihu.com/p/123103206 1.如果领导让自己同时带一个NLP团队和CV团队，而此时对CV却不熟悉，一般如何快速建立这样的多种类型的知识体系呢？ 和我的经历有一点像，我在职业生涯头五年一直是做计算广告的，bidd 阅读全文
posted @ 2020-05-11 02:05 xxxxxxxx1x2xxxxxxx 阅读(625) 评论(0) 推荐(1)

阿里DIN深度兴趣网络
摘要：https://arxiv.org/abs/1706.06978 https://github.com/wzhe06/Ad-papers 一是因为这篇文章的工程性很强。工程性很强的文章首先是便于实现的，其次你可以从字里行间看到很多实践出真知的影子，比如DIN这篇文章中GAUC这样的metric的改进 阅读全文
posted @ 2020-05-11 02:02 xxxxxxxx1x2xxxxxxx 阅读(261) 评论(0) 推荐(1)

单机模式处理大数据的开源利器libFM, svdfeature, Mahout, MyMediaLite,
摘要：单机模式处理大数据的开源利器 1. LibFM 项目主页：http://www.libfm.org/ 2. svdfeature 项目主页：http://apex.sjtu.edu.cn/apex_wiki/svdfeature recsyschina上的介绍：http://www.resyschi 阅读全文
posted @ 2020-03-27 02:05 xxxxxxxx1x2xxxxxxx 阅读(308) 评论(0) 推荐(0)

构建训练集流程
摘要：构建训练集流程 一、前述 根据前文中架构，本文我们讨论线下部分构建训练集部分。因为我们离线部分模型的选择是逻辑回归，所以我们数据必须有x和y. 二、具体流程 1.从数据库中分离出我们需要的数据。 用户行为表（日志） 用户历史下载表 商品词表（商品的基本特征） 2.构建训练集中的关联特征 流程： 2. 阅读全文
posted @ 2020-03-27 01:10 xxxxxxxx1x2xxxxxxx 阅读(543) 评论(0) 推荐(0)

spark训练模型
摘要：训练模型 一、前述 经过之前的训练数据的构建可以得到所有特征值为1的模型文件，本文将继续构建训练数据特征并构建模型。 二、详细流程 将处理完成后的训练数据导出用做线下训练的源数据（可以用Spark_Sql对数据进行处理）insert overwrite local directory '/opt/d 阅读全文
posted @ 2020-03-27 01:01 xxxxxxxx1x2xxxxxxx 阅读(734) 评论(0) 推荐(0)

两个sql设计方案的比较
摘要：我有一个买方表Buyer，大概1万条记录；一个卖方表Sale，大概5万条记录。有一些买方和卖方之间是有某种关联的，这种关联关系被记录在Partner表里，Partner表中的关键字段包括BuyerID,SaleID和LinkManID，其中LinkManID是卖方的业务员之一。系统里还有一个联系人的 阅读全文
posted @ 2020-03-26 19:12 xxxxxxxx1x2xxxxxxx 阅读(167) 评论(0) 推荐(0)

知乎live入门1.推荐概览与框架
摘要：【推荐系统】知乎live入门1.推荐概览与框架 参考链接 【推荐系统】知乎live入门 目录 1.推荐概览与框架 2. 推荐系统的架构和模块 3. 推荐召回 4. 排序 5. 用户画像 6. 特征工程 7. 回归到推荐算法 总结 参考文献 1.推荐概览与框架 推荐概述 产品的形态很重要，会影响后续的 阅读全文
posted @ 2020-03-26 17:38 xxxxxxxx1x2xxxxxxx 阅读(547) 评论(0) 推荐(0)

知乎live入门2.细节补充
摘要：【推荐系统】知乎live入门2.细节补充 参考链接 【推荐系统】知乎live入门 目录 1. 综述 2. 召回 3. 用户画像与标签 4. 特征工程 5. 点击率预估 6. 评估 7. 数据标注 8. 推荐 1. 综述 2. 召回 3. 用户画像与标签 4. 特征工程 5. 点击率预估 6. 评估 阅读全文
posted @ 2020-03-26 17:36 xxxxxxxx1x2xxxxxxx 阅读(164) 评论(0) 推荐(0)

知乎live入门3.召回
摘要：【推荐系统】知乎live入门3.召回 参考链接 【推荐系统】知乎live入门 目录 1. 概述 2. 画像过滤 3. 协同过滤 4. 内容过滤 5. 模型过滤 6. 其他过滤 7. 总结 1. 概述 2. 画像过滤 3. 协同过滤 4. 内容过滤 5. 模型过滤 6. 其他过滤 7. 总结 阅读全文
posted @ 2020-03-26 17:35 xxxxxxxx1x2xxxxxxx 阅读(192) 评论(0) 推荐(0)

知乎live入门4.排序
摘要：【推荐系统】知乎live入门4.排序 参考链接 【推荐系统】知乎live入门 目录 1. 概述 2. 排序模型建模 3. 排序总结 1. 概述 2. 排序模型建模 3. 排序总结 阅读全文
posted @ 2020-03-26 17:34 xxxxxxxx1x2xxxxxxx 阅读(173) 评论(0) 推荐(0)

知乎live入门5.常用技能与日常工作
摘要：【推荐系统】知乎live入门5.常用技能与日常工作 参考链接 【推荐系统】知乎live入门 目录 1. 实习与求职 2. 推荐算法职责 3. 解构算法 4. 参考资料 5. 其他强关联岗位 6. 工作模型和日常工作 7. 2017年相关论文 8. 找工作相关 1. 实习与求职 2. 推荐算法职责 3 阅读全文
posted @ 2020-03-26 17:33 xxxxxxxx1x2xxxxxxx 阅读(392) 评论(0) 推荐(0)

FM因子分解机模型简介
摘要：因子分解机模型简介 Steffen Rendle于2010年提出Factorization Machines（下面简称FM），并发布开源工具libFM。 一、与其他模型的对比 与SVM相比，FM对特征之间的依赖关系用factorized parameters来表示。对于输入数据是非常稀疏（比如自动推 阅读全文
posted @ 2020-03-26 17:26 xxxxxxxx1x2xxxxxxx 阅读(265) 评论(0) 推荐(0)

delete
摘要：delete 阅读全文
posted @ 2020-03-26 16:13 xxxxxxxx1x2xxxxxxx 阅读(4053) 评论(0) 推荐(0)

delete
摘要：delete 阅读全文
posted @ 2020-03-26 16:10 xxxxxxxx1x2xxxxxxx 阅读(144) 评论(0) 推荐(0)

开源推荐系统软件
摘要：开源推荐系统软件 收集和整理了目前互联网上能找到的和推荐系统相关的开源项目(Open Source Software | Recommendation)，罗列如下，希望对本领域感兴趣的朋友有帮助SVDFeature 由上海交大的同学开发（开发语言C++），代码严谨、质量高，我们参加KDD竞赛时用过， 阅读全文
posted @ 2020-03-26 16:09 xxxxxxxx1x2xxxxxxx 阅读(490) 评论(0) 推荐(0)

强化学习在美团“猜你喜欢”的实践
摘要：强化学习在美团“猜你喜欢”的实践 1 概述 “猜你喜欢”是美团流量最大的推荐展位，位于首页最下方，产品形态为信息流，承担了帮助用户完成意图转化、发现兴趣、并向美团点评各个业务方导流的责任。经过多年迭代，目前“猜你喜欢”基线策略的排序模型是业界领先的流式更新的Wide&Deep模型[1]。考虑Poin 阅读全文
posted @ 2018-11-19 23:06 xxxxxxxx1x2xxxxxxx 阅读(350) 评论(0) 推荐(0)

Google Ads原理
摘要：Google AdSense广告会根据访问者的地理IP，显示不同的广告，因为adwords里面有相应的设置，有些广告商只想把广告显示给某一地理区域的客户。另一方面就是同一个网站，你在日本和美国会看到日语和英语两种广告，这也就是有些朋友经常问我说，我明明做的英文站，怎么我看到的是中文呢？ 这就是你的I 阅读全文
posted @ 2018-11-09 22:38 xxxxxxxx1x2xxxxxxx 阅读(536) 评论(0) 推荐(0)

Youtube的论文《Deep Neural Networks for YouTube Recommendations》
摘要：Youtube的推荐论文《Deep Neural Networks for YouTube Recommendations》https://zhuanlan.zhihu.com/p/52169807第一层是Candidate Generation Model完成候选视频的快速筛选，这一步候选视频集合 阅读全文
posted @ 2018-10-29 17:12 xxxxxxxx1x2xxxxxxx 阅读(13007) 评论(0) 推荐(0)