發(fā)簡信
IP屬地：上海
-
新聞推薦05——排序模型+模型融合排序模型 通過召回的操作， 我們已經(jīng)進(jìn)行了問題規(guī)模的縮減， 對于每個用戶， 選擇出了N篇文章作為了候選集，并基于召回的候選集構(gòu)建了與用戶歷史相關(guān)...
-
新聞推薦04——特征工程
特征工程(制作特征和標(biāo)簽， 轉(zhuǎn)成監(jiān)督學(xué)習(xí)問題) 我們先捋一下基于原始的給定數(shù)據(jù)， 有哪些特征可以直接利用： 文章的自身特征， category_...
-
新聞推薦03——多路召回多路召回 所謂的“多路召回”策略，就是指采用不同的策略、特征或簡單模型，分別召回一部分候選集，然后把候選集混合在一起供后續(xù)排序模型使用，可以明顯...
-
新聞推薦02——探索性數(shù)據(jù)分析1. 探索性數(shù)據(jù)分析 探索性數(shù)據(jù)分析( Exp lorat。可Data Analysis , EDA) 是采用各種技術(shù)(大部分為可視化技術(shù))在盡...
-
新聞推薦01——賽題理解
1. 題目理解 1.1 題目概況 新聞推薦場景下的用戶行為預(yù)測 賽題以新聞APP中的新聞推薦為背景，要求選手根據(jù)用戶歷史瀏覽點(diǎn)擊新聞文章的數(shù)據(jù)信...
-
GBDT+LR模型1. GBDT+LR簡介 協(xié)同過濾和矩陣分解存在的劣勢就是僅利用了用戶與物品相互行為信息進(jìn)行推薦， 忽視了用戶自身特征， 物品自身特征以及上下文...
-
Wide&Deep模型
Wide & Deep是專門為推薦系統(tǒng)點(diǎn)擊率預(yù)估而設(shè)計的一個種聯(lián)合模型。 1. 點(diǎn)擊率預(yù)估 點(diǎn)擊率預(yù)估是對每次廣告點(diǎn)擊情況作出預(yù)測，可以輸出點(diǎn)擊...
-
矩陣分解與FM
1. 矩陣分解 1.1 隱語義模型LFM（latent factor model） 協(xié)同過濾算法的特點(diǎn)就是完全沒有利用到物品本身或者是用戶自身的...
-
協(xié)同過濾算法
1. 初識協(xié)同過濾 在推薦系統(tǒng)的眾多算法中，基于內(nèi)容的推薦與基于領(lǐng)域的推薦在實(shí)踐中得到了最廣泛的應(yīng)用。 其中基于領(lǐng)域的算法又分為兩大類， 一類是...