15 天前 / Thinkgamer
“目前推荐系统中给用户进行推荐大部分都是基于 CTR 预估来做的，CTR 预估中很重要的一环便是正负样本的选择，那么不同业务场景下我们如何定义正负样本、如何控制正负样本的比例、正负样本选择有哪些技巧？虽然这些只是模型训练中的一环，但却也扮演着重要的角色。 这篇文章简单聊一下上边提到的问题，如何你对这有什么想法和意见，欢迎在评论区留言，一起沟通。 分析业务场景不同业务场景下对应的 kpi 也是不同的，那么模型训练的目标也是不一致的，比如 kpi 是点击率，那么模型训练的目的就是增加推荐的准确性，提升用户的准确率；如果 kpi 是交易额...
30 天前 / Thinkgamer
稀疏自编码自编码器（Auto-Encoder）顾名思义，即可以利用自身的高阶特征编码自己。自编码器也是一种神经网络，他的输入和输出是一致的，他借助稀疏编码的思想，目标是使用稀疏的一些高阶特征重新组合来重构自己。 因此他的特征十分明显： 期望输入与输出一致希望使用高阶特征来重构自己，而不只是复制像素点自编码器的输入节点和输出节点的数量是一致的，但如果只是单纯的逐个复制输入节点则没有意义，像前面提到的，自编码器通常希望使用少量稀疏的高维特征来重构输入，所以加入几种限制： （1）中间隐含层节点的数量。
35 天前 / Thinkgamer
本文为《推荐系统与深度学习》第六章的复习笔记，只记录了一些要点，希望能够快速的进行复习，如果发现哪一个点不明白的话，可以自行展开学习或者加小编微信进行沟通。 深度学习在推荐中发挥的作用： 能够直接从内容中提取特征，表征能力强容易对噪声数据进行处理，抗噪能力强可以使用循环神经网络对动态或者序列数据进行建模可以更加准确的学习 user 和 item 的特征基于 DNN 的推荐算法推荐系统和通用搜索排序问题共有的一大挑战为同时具备记忆能力和泛化能力。
37 天前 / u566895
关注并将「人人都是产品经理」设为星标 每天早 07 : 45 按时送达 本文将以 B 站为例，详细回答软件是怎么把信息更有效率的推送到你面前的？作为创作者和用户，如何利用推荐系统反哺自身？ 作者：47，关注内容 & 社交产品 微信公众号：东篱笆下 题图来自 Unsplash，基于 CC0 协议 全文共4250字，阅读需要 9分钟 —————— BEGIN —————— 零售电商给你推荐喜爱的日用品、新闻阅读给你推荐合口味的知识、短视频软件向你推荐你最爱的娱乐视频…… 自个性化推荐算法在各种软件广泛应用开来，千人千面的说辞已经被互联网用户熟稔于心。
42 天前 / Thinkgamer
本文为《推荐系统与深度学习》第五章的复习笔记，只记录了一些要点，希望能够快速的进行复习，如果发现哪一个点不明白的话，可以自行展开学习或者加小编微信进行技术交流。 5.1 什么是混合推荐系统混合推荐系统的含义海量数据推荐系统中通常存在三部分： 在线系统（Online）直接与用户进行交互，具有高性能、高可用的特性，通常利用缓存系统，处理热门请求的重复计算近在线系统（Nearline）接受在线系统的请求，执行比较复杂的推荐算法，缓存在线系统的结果，并及时收集用户的反馈，快速调整结果离线系统（Offline）利用海量用户的行为日志进行挖掘...
43 天前 / 数据时光者
本篇一共 4189 个字 摘要：本篇主要介绍了项目中用于商业兴趣建模的 DSSM 双塔模型。作为推荐领域中大火的双塔模型，因为效果不错并且对工业界十分友好，所以被各大厂广泛应用于推荐系统中。通过构建 user 和 item 两个独立的子网络，将训练好的两个“塔”中的 user embedding 和 item embedding 各自缓存到内存数据库中。线上预测的时候只需要在内存中计算相似度运算即可。DSSM 双塔模型是推荐领域不中不得不会的重要模型。
58 天前 / gongyouliu
作者丨 gongyouliu 编辑丨 gongyouliu 这是作者的第 34 篇文章，约 1.1w 字，阅读需 60 分钟 随着科学技术的进步，移动互联网快速发展，手机越来越便宜，拥有智能手机不再是一件遥不可及的事情，互联网用户规模已接近增长的顶点。摄像头和信息处理软件 ( 各种滤镜、剪辑等工具)技术的进步让每一个人都可以轻松地生产高质量的内容，信息的产生以指数级增长，我们的生活中充斥着海量的信息。在上述背景下，怎么高效快速地获取对自己有价值的信息对每个互联网公民来说是愈发重要的事情，推荐系统的出现可以轻松地应对这一棘手的难题。
70 天前 / Thinkgamer
《推荐系统开发实战》这本书上市已经半年了，鉴于有很多读者对于最后三章的案例复现出现的一些问题和疑问，这里再详细说明一下。 关于代码获取 可在书籍的前几页查看获取方式，之前把这三大案例的代码放到了 github 上，方便大家下载，但是有“不法分子”在闲鱼等平台进行交易，售价高达 299 元，我表示也很无奈，所以就把 github 上的三个库设置为 private 了，现在获取代码的唯一方式就是通过查看图书前几页的说明进行获取。 复现过程 以新闻推荐系统为例。
73 天前 / gongyouliu
作者丨 gongyouliu 编辑丨 gongyouliu 这是作者的第 33 篇文章，约 1.1w 字，阅读需 60 分钟 推荐系统作为满足人类不确定性需求的一种有效工具，是具有极大价值的，这种价值既体现在提升用户体验上，又体现在获取商业利润上。对绝大多数公司来说，提升用户体验的最终目标也是为了获取商业价值。读者可以从《推荐系统的商业价值》这篇文章中了解更多关于推荐系统用户价值和商业价值的介绍。 公司作为社会经济发展到一定阶段的产物，获取商业利润是公司的本质特征，也是公司赖以生存的基础，这是合乎情理的事情。
75 天前 / Thinkgamer
这篇文章主要是说明一下群组推荐系统，众所周知，推荐系统已经应用十分广泛，群组推荐的应用不仅老用户上发挥了极大的作用，在新用户的冷启动上也发挥了很大的作用。 由于后续会有一篇文章介绍结合深度学习的群组推荐，所以这里先借用该篇论文，借花献佛，介绍一下群组推荐系统和其应用。 本文中所涉及的内容算是比较老了，但在不同公司或者推荐系统的不同阶段仍然有应用，其中群组推荐的思想更是经久不衰，所以本文比较适合以“温习知识”或“了解群组推荐”，至于群组推荐的更加先进和业界比较常用的做法可以持续关注公众号，后续会进行介绍。
75 天前 / openio
首发于人工瞎学写文章从谷歌到阿里，谈谈工业界推荐系统多目标预估的两种范式鱼罐头啊阿里淘系推荐算法持续招人，有意私聊 196 人赞同了该文章清明节的第一天，宅家里闲着也是闲着，开始更新知乎专栏~ 列了一些话题，第一篇是关于工业界的多目标预估。今年在组内的一个场景上线了多目标预估模型，算是有了一些经验，结项后在组内也做了一个分享，这篇文章是之前分享的一个文字版，增删了一些内容。
95 天前 / 楼外青山
引言推荐系统是依据用户的个人喜好尽可能推荐用户喜爱的物品（视频、新闻、商品、直播等），而用户的兴趣偏好则通过过往的行为数据体现出来。当没有历史记录可循时，就存在推荐冷启动问题。本文在接下来的篇幅首先讲述冷启动的相关概念，然后介绍一些业界常规的解决方法，最后会着重阐述花椒直播在解决用户冷启动方面的实践。 1. 冷启动概念推荐系统旨在通过用户特征及交互行为和物品的特征来预测用户对物品的偏好，从而进行个性化推荐，当物品或用户缺少足够的有效信息时，即存在冷启动问题。
106 天前 / gongyouliu
作者丨gongyouliu编辑丨gongyouliu这是作者的第31篇文章，约1.1w字，阅读需60分钟 随着移动互联网的深入发展，推荐系统越来越得到企业界的认可，成为toC互联网公司的标配技术。推荐系统借助机器学习技术，基于对用户行为的挖掘，能够洞察用户的兴趣偏好，自动化地为用户生成个性化的内容推荐，整个推荐的过程基本可以做到完全自动化，不需要人工干预。虽然很多方面机器可以比人做得更好，但机器也有自身的问题和缺点。目前的人工智能在情感、应急处理、复杂问题决策等很多方面还根本无法与人相比，这些方面都可以很好地体现人类的价值。
116 天前 / gongyouliu
作者丨 gongyouliu 编辑丨 gongyouliu 这是作者的第 30 篇文章，约 1.6w 字，阅读需 90 分钟 随着大数据与人工智能 (AI)技术的发展与成熟，国家政策层面对大数据与人工智能技术、创新、创业层面的支持，企业越来越意识到数据和 AI 技术的价值，并逐步认可数据是企业的核心资产。怎么利用大数据和 AI 技术从这些价值密度低、源源不断地产生的海量数据中挖掘商业价值，提升公司的决策力和竞争力，是每个提供产品 / 服务的公司 ( 特别是 toC 互联网公司)必须思考和探索的问题。
121 天前 / gongyouliu
点击上方“大数据与人工智能”，“星标或置顶公众号” 第一时间获取好内容作者丨 gongyouliu 编辑丨 zandy 这是作者的第 29 篇文章，约 9100 字，阅读需 40 分钟 推荐系统是一种信息过滤技术，通过从用户行为中挖掘用户兴趣偏好，为用户提供个性化的信息，减少用户的找寻时间，降低用户的决策成本，让用户更加被动地消费信息。推荐系统是随着互联网技术的发展及应用深入而出现的，并在当前得到广泛的关注，它是一种软件解决方案，是 toC 互联网产品上的一个模块。