- 综合排序
- 最热优先
- 最新优先
- 来自专栏人工智能与演化计算成长与进阶
16推荐系统3-4协同过滤算法
参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 16.3 协同过滤 Collaborative filtering 推荐系统有一个很有意思的特性就是 特征学习 ，即 自行学习所要使用的特征 对于基于内容的推荐系统来说，需要有人事先对电影的 x1 爱情成分和 x2 动作片成分做出评价，来确定每部电影的特征成分，并使用电影的特征训练出了每一个用户的参数 。 Note 对于上述电影推荐系统的问题仅仅建立在每位用户都对数个电影进行了评价，并且每部电影都被数位用户评价过的情况下，这样才能重复这个迭代过程来估计出 和 协同过滤算法 指的是当你执行算法时，要观察大量的用户的实际行为来协同地得到更佳的每个人对电影的评分值 使用梯度下降算法最小化代价函数 在训练完算法后，我们预测 θ 为用户 j 给电影 i 的评分 通过这个学习过程获得的特征矩阵包含了有关电影的重要数据，这些数据不总是人能读懂的，但是我们可以用这些数据作为给用户推荐电影的依据 如果一位用户正在观看电影 ，我们可以寻找另一部电影 ，依据两部电影的特征向量之间的距离||x(i)-x(j)||的大小判断这两部电影的特征相似度，如果两者的特征相似度差距很小，则我们可以将其互作为推荐内容推荐给用户
90311发布于 2020-08-14 - 来自专栏Hank’s Blog
3-4 列表的子集
#列表的子集 Subsetting List #[[]] / $ / [[]][] / [[]][[]] #嵌套列表 /不完全匹配(partial matching) > x <- list(id=1:4,height=170,gender="male") > x[1] #找第1列的元素 $`id` [1] 1 2 3 4 > x["id"] #两个函数作用相同 $`id` [1] 1 2 3 4 > x[[1]] [1] 1 2 3 4 > x[["id"]] [1] 1 2 3 4 > x
86910发布于 2020-09-16 - 来自专栏python3
3-4 文件读写例子(4)
/*******************************************************
49230发布于 2020-01-14 - 来自专栏python3
3-4 文件读写例子
n学习通过文件流FileStream打开文本文件、写入文本文件、设置文件属性、实施对文件的目录操作管理的基本方法
1.1K30发布于 2020-01-14 - 来自专栏python3
3-4 文件读写例子(3)
//==============================第二部分：类设计============================
49210发布于 2020-01-08 - 来自专栏python3
3-4 文件读写例子(2)
向项目中添加名为FileOption.cs的类文件，并准备填写关于文件操作的各种方法，如图3－8所示：
52330发布于 2020-01-14 - 来自专栏python3
3-4 文件流类FileStream
nFileMode和FileAccess，FileShare方法基本介绍及注意事项
93420发布于 2020-01-07 - 来自专栏Soul Joy Hub
深度推荐模型——PNN
视频讲解：https://www.yuque.com/chudi/tzqav9/ny150b#aalY8
54920发布于 2021-03-20 - 来自专栏Soul Joy Hub
深度推荐模型——NFM
视频讲解：https://www.yuque.com/chudi/tzqav9/ny150b#aalY8
43320发布于 2021-03-20 - 来自专栏Soul Joy Hub
深度推荐模型——FNN
视频讲解：https://www.yuque.com/chudi/tzqav9/ny150b#aalY8
50820发布于 2021-03-20 - 来自专栏Soul Joy Hub
深度推荐模型——FFM
视频讲解：https://www.yuque.com/chudi/tzqav9/ny150b#aalY8
40510发布于 2021-03-20 - 来自专栏Soul Joy Hub
深度推荐模型——FiBiNet
作者认为模型需要学习不同特征的一个重要程度，对重要特征加权，对蕴含信息量不多的特征进行削弱 先对e（Embedding） 做 mean pooling，再做Excitation（类似计算出Attention
1.1K21发布于 2021-03-20 - 来自专栏Soul Joy Hub
深度推荐模型——DIEN
import tensorflow as tf from tensorflow import keras from utils import * import numpy as np EPOCH = 10 BATCH_SIZE = 32 VEC_DIM = 10 DROPOUT_RATE = 0.5 HEAD_NUM = 4 HIDE_SIZE = 128 LAYER_NUM = 3 DNN_LAYERS = [200, 80] data, max_user_id, max_item_id = load_
63620发布于 2021-03-22 - 来自专栏Soul Joy Hub
深度推荐模型——AFM
视频讲解：https://www.yuque.com/chudi/tzqav9/ny150b#2XiWP
69310发布于 2021-03-20 - 来自专栏Soul Joy Hub
深度推荐模型——BST
受Transformer在自然语言处理中取得巨大的效果启发，BST将应用Transformer 用于提取用户行为序列背后的隐藏信息，同时考虑序列的前后顺序，能够更好的表达用户兴趣。
84220发布于 2021-03-22 - 来自专栏Soul Joy Hub
深度推荐模型——FM
视频讲解：https://www.yuque.com/chudi/tzqav9/ny150b#aalY8
69920发布于 2021-03-20 - 来自专栏Soul Joy Hub
深度推荐模型——DCN
视频讲解：https://www.yuque.com/chudi/tzqav9/ny150b#aalY8
53830发布于 2021-03-22 - 来自专栏Soul Joy Hub
深度推荐模型——xDeepFM
视频讲解：https://www.yuque.com/chudi/tzqav9/ny150b#aalY8
72420发布于 2021-03-20 - 来自专栏Soul Joy Hub
深度推荐模型——DIN
import tensorflow as tf from tensorflow import keras from utils import * EPOCH = 10 BATCH_SIZE = 32 VEC_DIM = 10 DROPOUT_RATE = 0.5 HEAD_NUM = 4 HIDE_SIZE = 128 LAYER_NUM = 3 DNN_LAYERS = [200, 80] data, max_user_id, max_item_id = load_data() # 行为特征个数 BEH
46520发布于 2021-03-22 - 来自专栏Soul Joy Hub
深度推荐模型——AutoInt
视频讲解：https://www.yuque.com/chudi/tzqav9/ny150b#aalY8
69130发布于 2021-03-20
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