发简信
IP属地：上海
-
新闻推荐05——排序模型+模型融合排序模型 通过召回的操作， 我们已经进行了问题规模的缩减， 对于每个用户， 选择出了N篇文章作为了候选集，并基于召回的候选集构建了与用户历史相关...
-
新闻推荐04——特征工程
特征工程(制作特征和标签， 转成监督学习问题) 我们先捋一下基于原始的给定数据， 有哪些特征可以直接利用： 文章的自身特征， category_...
-
新闻推荐03——多路召回多路召回 所谓的“多路召回”策略，就是指采用不同的策略、特征或简单模型，分别召回一部分候选集，然后把候选集混合在一起供后续排序模型使用，可以明显...
-
新闻推荐02——探索性数据分析1. 探索性数据分析 探索性数据分析( Exp lorat。可Data Analysis , EDA) 是采用各种技术(大部分为可视化技术)在尽...
-
新闻推荐01——赛题理解
1. 题目理解 1.1 题目概况 新闻推荐场景下的用户行为预测 赛题以新闻APP中的新闻推荐为背景，要求选手根据用户历史浏览点击新闻文章的数据信...
-
GBDT+LR模型1. GBDT+LR简介 协同过滤和矩阵分解存在的劣势就是仅利用了用户与物品相互行为信息进行推荐， 忽视了用户自身特征， 物品自身特征以及上下文...
-
Wide&Deep模型
Wide & Deep是专门为推荐系统点击率预估而设计的一个种联合模型。 1. 点击率预估 点击率预估是对每次广告点击情况作出预测，可以输出点击...
-
矩阵分解与FM
1. 矩阵分解 1.1 隐语义模型LFM（latent factor model） 协同过滤算法的特点就是完全没有利用到物品本身或者是用户自身的...
-
协同过滤算法
1. 初识协同过滤 在推荐系统的众多算法中，基于内容的推荐与基于领域的推荐在实践中得到了最广泛的应用。 其中基于领域的算法又分为两大类， 一类是...