随笔分类 -  推荐系统实践

用于推荐系统的实践，包含代码
天池新闻推荐比赛5：模型融合
摘要：排序模型 先通过召唤阶段将规模缩减，然后使用机器学习模型来对构造好的特征进行学习。再对测试集进行预测，得到测试集中的每个候选集用户点击的概率，返回点击概率最大的topk个文章，作为最终的结果。 排序阶段选择了三个比较有代表性的排序模型，它们分别是： LGB的排序模型 LGB的分类模型 深度学习的分类 阅读全文
posted @ 2020-12-06 22:43 爱睡觉的皮卡丘 阅读(162) 评论(0) 推荐(0)
天池新闻推荐比赛4：特征工程
摘要：​ 具体的代码见：http://datawhale.club/t/topic/201 ​ 特征构造很重要的是要结合用户的历史点击文章信息。 往往用户的最后一次点击会和其最后几次点击有很大的关联。 所以我们就可以对于每个候选文章， 做出与最后几次点击相关的特征如下： 候选item与最后几次点击的相似性 阅读全文
posted @ 2020-12-03 22:33 爱睡觉的皮卡丘 阅读(117) 评论(0) 推荐(0)
天池新闻推荐比赛3：多路召回
摘要：具体代码过多，详情见：http://datawhale.club/t/topic/198 一、多路召回介绍 采用不同的召回策略，分别召回商品集，然后再进行排序。下图是多路召回的示意图： 本次比赛采取的多路召回为5路召回，分别是： Youtube DNN 召回 基于文章的召回 文章的协同过滤 基于文章 阅读全文
posted @ 2020-11-30 22:04 爱睡觉的皮卡丘 阅读(515) 评论(0) 推荐(0)
天池新闻推荐比赛2：数据分析
摘要：导入相关包 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns plt.rc('font', family='SimHei', size=13) import os, 阅读全文
posted @ 2020-11-26 23:06 爱睡觉的皮卡丘 阅读(273) 评论(0) 推荐(0)
天池新闻推荐比赛1：赛题理解+baseline
摘要：天池新闻推荐比赛1：赛题理解+baseline 一、比赛信息 比赛链接： ​ https://tianchi.aliyun.com/competition/entrance/531842/information 比赛简介： ​ 赛题以预测用户未来点击新闻文章为任务，该数据来自某新闻APP平台的用户交 阅读全文
posted @ 2020-11-25 20:03 爱睡觉的皮卡丘 阅读(582) 评论(0) 推荐(0)