协同过滤协同过滤（CF）及其变式是最常用的推荐算法之一。即使是数据科学的初学者，也能凭之建立起自己的个性化电影推荐系统，例如，一个简历项目。当我们想要向某个用户推荐某物时，最合乎情理的事情就是找到与他/她具有相同爱好的用户，分析其行为，并且为之推荐相同的东西。或者我们可以关注那些与该用户之前购买物品相似的东西，并推荐相似的产品。协同过滤（CF）有两种基本方法，它们分别是：基于用户的协同过滤技术和基
转载
2024-08-08 19:41:24
17阅读
这篇论文重新思考了表面法线估计的归纳偏置问题，提出了创新性方法。作者指出现有基于通用密集预测模型的方法存在局限，进而
BI的核心在于应用价值，如何体现应用价值的能力，其核心就是模型与数据。模型在BI中的重要性这里我就不多说了。今天主要谈谈我在模型设计上的一些经验与心得，希望大家多提建议。 什么是模型设计？ 这个问题听起来很可笑，但不同人回答却有着不同的答案， 让我们来听听吧：业务顾问的回答是：根据企业提出的
转载
2024-10-31 15:44:39
25阅读
神经网络量化之 Ristretto、增量量化INQ、IAO代码实战分析1. Ristretto 固定点浮点数量化详细介绍量化逼近方案Ristretto允许以三种不同的量化策略来逼近卷积神经网络： 1、动态固定点：修改的定点格式， DYNAMIC_FIXED_POINT。 2、迷你浮点型：缩短位宽的浮点数，MINIFLOAT。 3、两个幂参数：当在硬件中实现时，具有两个幂参数的层不需要任何乘法器，I
“本文首先介绍排序学习的三种主要类别，然后详细介绍推荐领域最常用的两种高层排序学习
转载
2022-08-21 00:05:33
2018阅读
在transformer利用到计算机视觉领域中后，相关文章中反复强调Inductive bias.本文仅是自己的理解记录。如有错误，还请指正。在机器学习中，很多学习算法经常会对学习的问题做一些假设，这些假设就称为归纳偏置(Inductive bias).比如在最近邻分类器中，我们会假设在特征空间中，一个小的局部区域中的大部分样本属于同一类。在朴素贝叶斯分类器中，我们会假设每个特征的条件概率是互相独
原创
2022-10-16 10:47:27
1873阅读
FastGCN for inductive text classificationfrom __future__ import divisionfrom __future__ import print_fu
原创
2022-07-19 11:46:51
237阅读
本文概览：1. 多目标学习提出的背景一般来说在搜索和推荐等信息检索场景下，
转载
2022-08-21 00:00:44
2028阅读
问题描述 尾部用户/cold-start用户，行为稀疏，还存在问题：有噪声，间隔大；目的是得到这部分用户的个性化表示 头部用户相对于长尾用户，具有大量交互 行为: 点击、加购、收藏、购买、(不点击)等 推荐系统--用户行为建模(依赖于行为的规模和质量)--用户活跃度低、行为少(尾部用户，用户行为稀疏 ...
转载
2021-07-12 21:12:00
325阅读
2评论
# Java中的推荐系统库入门指南
在现代软件开发中，推荐系统成为了提升用户体验的重要工具。对于刚入行的小白而言，构建一个基本的推荐系统可能会感到棘手。下面，我将为你提供一个实用的指南，帮助你在Java中实现推荐系统库。我们将通过以下流程来完成这项任务。
## 流程步骤
| 步骤 | 内容 | 备注
在推荐系统中，负采样（Negative Sampling）是一种常用的训练技术，用于处理推荐任务中的数据稀疏性和计算效率问题。它主要用于训练基于隐语义模型的推荐算法，如矩阵分解模型、深度学习模型等。推荐系统的目标是预测用户可能感兴趣的物品，通常通过构建用户-物品交互矩阵来表示用户行为。然而，在实际应用中，用户与物品之间的正反馈数据（用户感兴趣的物品）相对于负反馈数据（用户不感兴趣的物品）是非常稀疏
原创
2023-05-24 10:41:04
1373阅读
受中国传统教育模式与国外一流大学之间的差异的影响，在海外留学的学子们常常会在新的学习生活中面临许多难题，Critical Thinking就是其中之一。国内的教育方法常常以灌输式的教育模式为主，忽略了对学生们的批判性思维的培养。本文小编就和大家聊聊什么是批判性思维和如何在你的论文中运用批判性思维。 批判性思维Critical thinking：没有它，论文写作会是什么？事实上，没有criti
在推荐系统简介中，我们给出了推荐系统的一般框架。很明显，推荐方法是整个推荐系统中最核心、最关键的部分，很大程度上决定了推荐系统性能的优劣。目前，主要的推荐方法包括：基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。一、基于内容推荐基 于内容的推荐（Content-based Recommendation）是信息过滤技术的延续与发展，它是建立在项目的内容信息上作出推
转载
2023-04-26 00:52:57
239阅读
[toc] 数据挖掘中的推荐系统：一个深入探讨 随着互联网的发展，电子商务和社交媒体的兴起，数据挖掘技术已经被广泛应用于推荐系统领域。推荐系统通过分析用户的历史行为和偏好，向用户推荐他们可能感兴趣的物品和活动，帮助用户更快地找到所需，提高用户体验，同时也为企业和组织带来更多的商业机会。 本文将深入探
原创
2023-06-24 06:52:32
215阅读
文 | 成指导
背景
推荐系统中大量使用用户行为数据，作为系统学习的标签或者说信号。但用户行为数据天生存在各式各样的偏差（bias），如果直接作为信号的话，学习出的模型参数不能准确表征用户在推荐系统中的真实行为意图，造成推荐效果的下降。因此，本篇聊一聊推荐系统中常见的偏差，与相应的去偏思路与方法。本篇的主要脉络依据中科大何向南教授、合工大汪萌教授联合在 TKDE 上的一篇综述文章展开：Bias a
转载
2023-05-02 09:05:29
261阅读
导读：推荐系统和搜索应该是机器学习乃至深度学习在工业界落地应用最多也最容易变现的场景。而无论是搜索还是推荐，本质其实都是匹配，搜索的本质是给定 query，匹配 doc；推荐的本质是给定 user，推荐 item。本文主要讲推荐系统里的匹配问题，包括传统匹配模型和深度学习模型。深度学习之风虽然愈演愈烈，但背后体现的矩阵分解思想、协同过滤思想等其实一直都是贯穿其中，如 svd++ 体现的 userC
转载
2022-11-16 09:43:37
233阅读
长尾物品（Tail Items）在推荐系统中是非常常见的，长尾的存在导致了样本的不均衡，对于热门头部物品（Head Items）的样本量多，模型学习这部分的效果越好，而长尾物品的样本量少，导致模型对该部分Item的理解不够充分，效果自然也就较差。 那么，针对长尾物品的推荐，
原创
2021-07-09 10:04:31
1237阅读
省时查报告-专业、及时、全面的行研报告库省时查方案-专业、及时、全面的营销策划方案库【免费下载】
转载
2022-11-15 13:46:59
106阅读
文章作者：查鲁·C.阿加沃尔编辑整理：Hoh内容来源：《推荐系统原理与实践》导读：近年来，社会性标签系统使得用户能够以一种自由的描述方法对网络上的资源进行协同标记。这些描述也被称为大众分类法，它被表示为标签立方体。这些用户的描述十分有用，因为它们包含了有关用户兴趣的丰富知识。标签立方体既可以独立地被使用，也可以与评分矩阵相结合以提供推荐。前一类方法和推荐系统中的多维模型有相似之处。后一类方法可以是
原创
2021-03-26 21:32:21
237阅读
