- 综合排序
- 最热优先
- 最新优先
- 来自专栏炼丹笔记
推荐系统炼丹笔记7：负样本的艺术
本文作为 推荐系统炼丹笔记系列的第7期，我们在样本构造方面，来聊一聊负样本的艺术。 “数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限”。 03Hard增强负样本 Hard样本这个说法来自图像的分类任务，在搜索推荐系统的召回中没有类别的概念，无法直接应用图像的Hard样本挖掘方法。 这在搜索推荐系统中,我们称之为延迟反馈的问题。 时间延迟建模 本文的模型框架主要分为左右两个模块，左侧的转化模型以及右侧的时间延迟模型。 以前的研究已经调查了数据暴露的几个方面： 1）暴露受先前推荐系统的策略的影响，这些策略控制要显示哪些商品。 参考资料 https://arxiv.org/pdf/2006.11632.pdf 推荐系统Bias大全 是不是你的模型又线下线上不一致啦？
5.8K30编辑于 2021-12-22 - 来自专栏机器学习初学者精选文章
【推荐系统】推荐系统概述
— 哈珀·李 许多人把推荐系统视为一种神秘的存在，他们觉得推荐系统似乎知道我们的想法是什么。Netflix 向我们推荐电影，还有亚马逊向我们推荐该买什么样的商品。 推荐系统从早期发展到现在，已经得到了很大的改进和完善，以不断地提高用户体验。尽管推荐系统中许多都是非常复杂的系统，但其背后的基本思想依然十分简单。 推荐系统是什么？ 如何构建一个推荐系统？ 现在已经有很多种技术来建立一个推荐系统了，我选择向你们介绍其中最简单，也是最常用的三种。他们是：一，协同过滤；二，基于内容的推荐系统；三，基于知识的推荐系统。 混合推荐系统 文章到目前为止所介绍的不同类型的推荐系统都各有优劣，他们根据不同的数据给出推荐。一些推荐系统，如基于知识的推荐系统，在数据量有限的冷启动环境下最为有效。 推荐系统与AI？ 推荐系统常用于人工智能领域。推荐系统的能力 – 洞察力，预测事件的能力和突出关联的能力常被用于人工智能中。另一方面，机器学习技术常被用于实现推荐系统。
2.5K33发布于 2021-07-07 推荐 7 款好用的内容管理系统（CMS）
内容管理系统是什么？内容管理系统（Content Management System，简称CMS）是一种位于网站前台（用户界面）与后台（数据库）之间的软件系统。 今天就给大家推荐7款好用的内容管理系统1 核桃CMS编程语言：Java核桃CMS是一款基于SpringBoot2架构的JAVA网站建设平台，主要特点是支持涉密信息系统分级保护功能、支持国产化环境、支持等保二 、等保三级、提供全文搜索引擎、支持多级审批、支持动静混合模式，能够更好的适配涉密信息系统及内部网站建设需求。 它可以用来搭建各种类型的网站，包括商业网站、个人博客、信息管理系统、Web服务等，并且支持进行二次开发以扩展使用范围。 7. PHPNuke编程语言：PHPPHPNuke是一款基于PHP的内容管理系统，具有丰富的功能和插件。它支持多语言、多用户和多模块，可以轻松地构建和管理网站。
4K10编辑于 2024-04-18- 来自专栏用户6881919的专栏
论文阅读7-----基于强化学习的推荐系统
我们提出来RL方法用于新闻推荐。 新闻推荐挑战很大，因为新闻特征和用户偏好动态变化大。现存的推荐系统方法有如下缺点。 these methods tend to keep recommending similar news to users, which may cause users to get bored. 3.推荐的物品趋于相似
72130发布于 2021-01-18 - 来自专栏杨熹的专栏
推荐系统
本文结构： 推荐系统 常用方法 简介 模型 cost, gradient 表达式 代码实现 应用实例 参考： Coursera－Andrew Ng 的 Machine Learning Sirajology 推荐系统 根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。 为用户节省时间，还能挖掘可能用户自己都不知道的潜在兴趣点。 生活中的例子：喜马拉雅上根据我听过的书推荐相关的内容，效果不错，推荐的很多我都会订阅。Youtube上根据我看过的视频推荐内容，如果我在追剧，它会把最新的剧集放在我首页，还有我可能感兴趣的电影。 还有很多例子和方法，以及冷启动等关键问题，推荐大家看《推荐系统实战》这本书，之前去听新浪微博的分享，这本书是他们推荐系统部门的必备材料。 ---- 2. 基于内容，物品，用户的推荐就是把相关的特征表达为向量形式后，计算它们之间的距离，根据相似度高的来为你推荐。 ?
1.6K102发布于 2018-04-02 - 来自专栏LhWorld哥陪你聊算法
【推荐系统篇】--推荐系统之训练模型
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。
1.6K10发布于 2018-09-13 - 来自专栏深度学习自然语言处理
【推荐系统】推荐系统中的图网络模型
整理：极验 作者：Roxana Pamfil 在互联网时代，推荐系统无处不在。不仅可以向用户推荐实体商品，还可以推荐电影、歌曲、新闻报道、酒店旅行等，为用户提供量身定制的选择。 这些系统中有许多都涉及了协同过滤——根据其他相似用户的偏好向用户推荐 item。推荐系统的背后还用到了包括矩阵分解、邻域方法以及各种混合方法。 网络和社区结构 网络是系统的抽象表示，其中称为节点的对象通常以成对的方式通过边相互交互。 一项重要任务是预测新的边，可以将其引入推荐系统和针对性的促销活动。在计算性能方面，社区检测是我们描述的过程中最耗时的部分。 该 network 方法的主要优势在于它不受监督。 原文链接： https://medium.com/dunnhumby-data-science-engineering/network-models-for-recommender-systems-7f0d6d210ccf
2.2K10发布于 2019-12-11 - 来自专栏LhWorld哥陪你聊算法
【推荐系统篇】--推荐系统之测试数据
一、前述 线上模型部分根据用户的行为数据进行推荐，相当于测试数据 二、具体代码 package com.alibaba.dubbo.demo.impl; import com.alibaba.dubbo.demo.RcmdService
98330发布于 2018-09-13 - 来自专栏小小挖掘机
推荐系统评价：什么是好的推荐系统
但一个系统的好坏往往需要全链路的评定，贯穿于用户的整个交互过程。之所以说好的推荐系统更难定义，是因为虽然算法是核心，但是个性化推荐往往不止由算法构成，这背后需要各种技术支撑。 宗旨：服务提供方与消费方的双赢 推荐系统是一个多方交互的复杂系统，有很多因素能够对推荐系统的效果产生影响，本文试对这些因素中的一些代表性因素进行简单的阐述分析。 ▌宏观 从宏观上来看，好的推荐系统就是满足用户的需求，帮助其进行路径优化与兴趣发现。微观上来讲，好的推荐系统一定是再为产品服务，不同的产品阶段，我们需要确立不同的推荐系统目标及评价体系。 推荐系统角度 1) 长尾挖掘 挖掘必然是推荐需要去完成的一件事，长尾作为大头的存在，分发过程中需要将把握，或者说长尾挖掘是好的推荐系统需要去完成的任务。 7.
3.1K51发布于 2019-06-24 - 来自专栏机器学习与推荐算法
推荐系统实践系列 | 一、推荐系统流程设计
推荐系统主要解决的是信息过载问题，目标是从海量物品筛选出不同用户各自喜欢的物品，从而为每个用户提供个性化的推荐。 推荐系统往往架设在大规模的业务系统之上，不仅面临着用户的不断增长，物品的不断变化，而且有着全面的推荐评价指标和严格的性能要求（Netflix 的请求时间在 250 ms 以内，今日头条的请求时间在 200ms 为了解决如上这些问题，推荐系统通常被设计为三个阶段：召回、排序和调整，如下图所示： ? 这里以文章推荐系统为例，讲述一下推荐系统的完整流程，如下图所示： ? 同步业务数据 为了避免推荐系统的数据读写、计算等对应用产生影响，我们首先要将业务数据从应用数据库 MySQL 同步到推荐系统数据库 Hive 中，这里利用 Sqoop 先将 MySQL 中的业务数据同步到推荐系统的
2.6K33发布于 2020-04-20 - 来自专栏后端技术
推荐系统 入门
推荐系统一般分为三种： Content-based System 首先根据物品的元数据，发现物品的相关性，然后基于用户以前的喜好记录推荐给用户相似的物品[2] 详情可看基于内容推荐算法详解(比较全面的文章 ，为用户推荐别的商品。 对于用户U，根据其购买记录，可用找到相似的物品作为推荐 ? 被用于推荐用户偏好。 本文主要阐述memory-based method的推荐系统 相似度的计算方法 推荐物品预测能力的性能，取决于用于计算用户间相似度的方法。人们发明出各种计算相似度的方法。
98830发布于 2019-05-25 - 来自专栏JavaEdge
窥探推荐系统
本文将深入介绍推荐系统的工作原理，和其中涉及的各种推荐机制，以及它们各自的优缺点和适用场景，帮助用户清楚的了解和快速构建适合自己的推荐系统。 又或者他们需要更加符合他们个人口味和喜好的结果，因此出现了推荐系统，与搜索系统对应，大家也习惯称它为推荐系统。 2 推荐系统 推荐系统利用特殊的信息过滤技术，将不同的物品或内容推荐给可能对它们感兴趣的用户。 这是一个最基本的推荐系统分类，其实大部分人们讨论的推荐系统都是关于个性化的推荐系统，因为从根本上说，只有个性化的推荐系统才是更加智能的信息发现过程。 推荐系统的魔力在于你不清楚在这个推荐背后，系统到底记录和推理了些什么。
44751编辑于 2022-11-30 - 来自专栏星回的实验室
推荐系统初探
在深坑外围徘徊了一周后，我整理了一些推荐系统的基本概念以及一些有代表性的简单的算法，作为初探总结，也希望能抛砖引玉，给同样想入坑的伙伴们提供一些思路。 1. 什么是推荐系统？ 推荐系统是啥？ 没错，猜你喜欢、个性歌单、热点微博，这些都是推荐系统的输出内容。从这些我们就可以总结出，推荐系统到底是做什么的。 * 目的1. 因此我们需要推荐系统来帮助用户过滤掉低价值的信息。 * 目的3. 提高站点的点击率/转化率 * 好的推荐系统能让用户更频繁地访问一个站点，并且总是能为用户找到他想要购买的商品或者阅读的内容。 当有一名新用户或者新物品进入系统时，推荐将无从依据； 在一些item生存周期短（如新闻、广告）的系统中，由于更新速度快，大量item不会有用户评分，造成评分矩阵稀疏，不利于这些内容的推荐。 比如当推荐的内容里包含敏感词汇、涉及用户隐私的内容等等，就需要系统将其筛除；若数次推荐后用户依然对某个item毫无兴趣，我们就需要将这个item降低权重，调整排序；另外，有时系统还要考虑话题多样性的问题
1.3K40发布于 2018-08-02 - 来自专栏JavaEdge
窥探推荐系统
本文将深入介绍推荐系统的工作原理，和其中涉及的各种推荐机制，以及它们各自的优缺点和适用场景，帮助用户清楚的了解和快速构建适合自己的推荐系统。 又或者他们需要更加符合他们个人口味和喜好的结果，因此出现了推荐系统，与搜索系统对应，大家也习惯称它为推荐系统。 2 推荐系统 推荐系统利用特殊的信息过滤技术，将不同的物品或内容推荐给可能对它们感兴趣的用户。 这是一个最基本的推荐系统分类，其实大部分人们讨论的推荐系统都是关于个性化的推荐系统，因为从根本上说，只有个性化的推荐系统才是更加智能的信息发现过程。 推荐系统的魔力在于你不清楚在这个推荐背后，系统到底记录和推理了些什么。
66230发布于 2018-12-26 推荐系统介绍
虽然其中很多是非常复杂的系统，但其背后的基本思想仍然非常简单。 什么是推荐系统？ 推荐系统是信息过滤系统的一个子类，基于偏好和行为向用户呈现他或她可能感兴趣的项目。 如何创建推荐系统 尽管建立推荐系统的技术有很多，但我选择了三种最简单，最常用的方法：第一种是协同过滤，第二种是基于内容的系统，第后一种是基于知识的系统。 基于内容的推荐系统 在基于内容的推荐系统中，元素的描述性属性被用来提出建议。术语“内容”是指这些描述。例如，看着Sophie的听歌历史，系统注意到她似乎喜欢这种乡村风格。 这个项目就是潘多拉音乐的强力推荐。 基于知识的推荐系统 基于知识的推荐系统在罕有地购买的项目环境中特别有用。例子包括房屋，汽车，金融服务，甚至昂贵的奢侈品。 例如，当用户明确指定他在一个价格范围内寻找住宅时，系统必须考虑到这个规格。 推荐系统中的冷启动问题 推荐系统的主要问题之一是最初可用的评级数量相对较小。
1.5K70发布于 2018-02-02- 来自专栏推荐系统
推荐系统综述
1.推荐系统的意义随着移动互联网的飞速发展，人们已经处于一个信息过载的时代。 推荐系统就是解决这一矛盾的重要工具。推荐系统的任务就是联系用户和信息，一方面帮助用户发现对自己有价值的信息，另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢。 与搜索系统不同的是，推荐系统主要利用用户的行为数据，分析用户的行为日志，从而提供不同的推荐页面，提高用户的满意度以及网站的点击率和转化率。 常见的推荐系统的推荐形式主要有三种：个性化推荐、相关推荐、热门推荐。高用户的满意度以及网站的点击率和转化率。常见的推荐系统的推荐形式主要有三种：个性化推荐、相关推荐、热门推荐。 推荐系统的常见应用场景包括：电子商务、个性化广告、音乐和电影、求职等。2.推荐系统的结构图片2.1召回召回层的主要目标时从推荐池中选取几千上万的item，送给后续的排序模块。
97130编辑于 2022-07-06 - 来自专栏容器计算
推荐系统浅谈
1 推荐系统基础知识 从常用概念展开, 简要介绍基本原理和流程, 以便业务方了解如何构建和使用推荐系统 2 基本概念 2.1 推荐系统 通过将内容 (生产方) 与用户 (消费方) 进行匹配, 提供符合不同消费方各自偏好的内容 通过人工或机器的方法, 对内容和用户添加特征, 用来标识其特有属性, 可从内容本身中发现, 也可从用户行为中体现, 也可由用户自行填写, 如用户性别, 内容长度, 内容分类等 2.6 适用场景 什么时候引入推荐系统 当内容和用户积累达到一定量级 (内容至少千级), 且内容分布达到一定宽度, 可分离出不同维度, 进而产生了用户对内容的偏好性, 需要对内容进行合理高效的分发以充分利用流量, 并开始要求高并发高实时的性能时, 可以开始考虑使用推荐系统 3 实现依赖 仅简要阐述实现推荐系统所需的功能组件, 是基本概念的具象化 3.1 内容画像 可包含: 标签, 类别等结构化特征 原始文本, 图片等非结构化特征 动态属性, 如用户行为的聚合 3.2 用户画像 A/B 测试 设计对照组和测试组, 切一部分真实流量, 运行一段时间后, 观察核心指标的差异, 如有提升可认为达到预期效果, 最终逐步替换现有方案 6 业务形态 涉及将内容分发给用户的场景均可使用, 推荐系统在广义上就是对用户画像和内容画像的有效使用
77021发布于 2020-08-06 - 来自专栏大数据技术栈
推荐系统 —— 概述
推荐系统是什么 我想大家应该都对推荐系统不会陌生，不管你是逛淘宝还是刷抖音，你都能看到推荐的存在，也是因为推荐的存在，才能让你才海量的信息中看到自己感兴趣的东西。 其实我相信大家都知道什么是推荐系统，这里我仅以我个人的观点阐述一下。我们从以下两点来说： 推荐 我们可以将推荐理解为推荐算法，也是推荐系统的核心驱动。 推荐系统如何评测 推荐系统的评测在实际工作工程中可能比 推荐系统的实现更加重要 和 复杂，这一块我们有机会后面来聊一聊，这里仅以 推荐系统实战 这本书列举一下评测方法，大概了解一下就好，这块不是一下就能说明白的 用户满意度 用户作为推荐系统的重要参与者，其满意度是评测推荐系统的最重要指标。 预测准确度 预测准确度度量一个推荐系统或者推荐算法预测用户行为的能力。这个指标是最重要的推荐系统离线评测指标，从推荐系统诞生的那一天起，几乎99%与推荐相关的论文都在讨论这个指标。
76531发布于 2019-10-30 - 来自专栏用户画像
浅谈推荐系统
，主要从下面几个维度介绍推荐系统的相关知识： 什么是推荐系统 推荐系统在商业中的地位 推荐系统、搜索引擎及广告的关系 推荐系统的关键元素 推荐系统相关的算法 篇幅较长，可能大部分道友比较关心算法部分 推荐系统不同于搜索引擎，用户使用搜索时目标明确，而使用推荐系统往往总会漫无目的。搜索和推荐都是为人找信息，而广告是为信息找人。 推荐系统的关键元素 大多数人在日常生活中，遇到推荐系统的高质量服务时，或者说被推荐的比较准确时，第一反应就是这个背后使用的什么样的算法，认为算法是推荐系统最核心的东西，只有最牛的算法才知道我现在在想什么我需要什么 只有用户留下来了，才有推荐系统的用武之地。 数据和UI、UE同等重要，是推荐系统的基石。强大的推荐系统如果给用户的第一感觉不是使用了什么样的算法，那么就要是我在什么时候暴露了什么数据。 总的来说常见的推荐系统算法体系可以分为这几类：内容推荐、协同过滤推荐、矩阵分解、模型融合。 1. 内容推荐 内容推荐是推荐系统的孩童时代，但是在今天它依然适用于各个领域。
1.1K20发布于 2019-11-20 - 来自专栏null的专栏
推荐系统——（论文阅读笔记）YouTube的视频推荐系统
《The YouTube video recommendation system》是一篇详细介绍YouTube视频推荐的论文，在整个系统中没有复杂的算法，使用了一些简单有效的策略，这也符合工业界的应用， 以下是论文的核心内容： 目标 帮助用户找到高质量且符合用户兴趣的视频，最终实现的是Top-N推荐。 总的思想 利用用户的互动行为数据，推荐与互动过视频相似的视频。 由 可以表示成一个有向图，其中，权重为 ，如下所示： 生成推荐的候选 1、一级 假设种子集合为 ，由上述的相似性的方法挖掘出一些候选： 这样的方法容易产生narrow recommendations ，即推荐的视频与种子视频相似度极高，这对推荐来说不能满足多样性的要求。 right )=\bigcup_{v_i\in C_{n-1}}R_i C2(S)=vi∈Cn−1⋃Ri 3、多级 上述的结论推广至多级，形成最终的推荐结果为
2.1K31编辑于 2022-03-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号