007 推荐系统 | 多值离散特征的embedding解决方案

参考 https://blog.csdn.net/r3ee9y2oefcu40/article/details/82880171原网址: 创建于: 20190412 01:20:40目录: default标签: 无
阅读全文

008 推荐系统 | DCN TODO

DCN原网址: 创建于: 20190412 01:20:15目录: default标签: 无
阅读全文

009 推荐系统 | PNN

目录 对比其他模型效果参考 原网址: 创建于: 20190412 01:19:57目录: default标签: 无
阅读全文

010 推荐系统 | Bandit算法

目录 累计遗憾常用Bandit算法原网址: 创建于: 20190412 01:19:39目录: default标签: 无
阅读全文

101 推荐系统 | 《Deep Neural Networks for YouTube Recommendations》阅读笔记

2016年的论文可以借鉴的特征 time since last watch: 自上次观看同channel视频的时间 previous impressions: 该视频已经被曝光给该用户的次数原网址: 创建于: 20190412 01:19:09目录: default标签: 无
阅读全文

011 推荐系统 |协同过滤

userbased两个用户A和B很相似，那么可以把B购买过的商品推荐给A（如果A没买过）；例如你和你的师兄都是学机器学习的，那么你的师兄喜欢的书籍，你也很有可能喜欢itembased两个item：A和B很相似，那么某个用户购买过A，则可以给该用户推荐B。例如一个用户购买过《模式识别》这本书，它很有可能也喜欢《推荐系统》这本书。计算两个item是否相似的一种简单方法是，看看他们的共现...
阅读全文

从用户行为去理解内容-item2vec及其应用 - 云+社区 - 腾讯云

在这篇文章中： 相关性是对称的===========在内容推荐系统里，一个常用的方法是通过理解内容（挖掘内容属性）去挖掘用户的兴趣点来构建推荐模型。从大多数业务的效果来看，这样的模型是有效的，也就是说用户行为与内容是相关的。不过有一点常被忽略的是：相关性是对称的！这意味着如果可以从内容属性去...
阅读全文

达观推荐算法实现：协同过滤之item embedding - 51CTO.COM

推荐系统本质是在用户需求不明确的情况下，解决信息过载的问题，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(这里的信息的含义可以非常广泛，比如咨询、电影和商品等，下文中统称为item)。达观数据相关推荐是达观推荐系统中的重要组成部分，其价值在于，在没有用户画像信息的情况下，也能给用户以好的推荐体验，比如资讯类...
阅读全文

产品经理进阶之路：用模型化思维解决问题 | 人人都是产品经理

如果碰到（道+术）全套模型都无法解决的情况，那就照着老板的要求来做吧，记住这句话：决议前充分讨论，决议后忠实执行。 本文结构如下： 1、用“5W2H”和“WhyWhatHow”这两个基础模型解决初阶产品经理最苦恼的一个问题； 2、保安常问的三个终极问题，决定了你能走多远； 3、想清楚，你是产品经理还是产品功能经理； 4、决议前充分讨论，决议后忠实执行。定期通过数据...
阅读全文

产品经理修炼之道：结构化输入和结构化输出 | 人人都是产品经理

上篇文章中，说了“5W2H”和“WhyWhatHow”这两个问题解决模型，以及一个“保安三连问”问题思考模型。这都是工作中最基本的工具。那么有什么方法，可以持续地积累更多的实用模型，向上更进一步呢？方法有很多，其中收效最快的方式，就是结构化的学习。 本文要点如下： （1）结构化输入有两种基本的方法：一是将无结构的内容进行结构化分析；二是将已有结构的内容打散，与自己的知识结构进行重组...
阅读全文