关于 一体化泵站 www.dongaohuanbao.com官方:d 的搜索结果,共1154
c****2 2018-07-10
个性推荐(
为了解决这个难题,个性推荐系统(Recommender System)应运而生。 个性推荐系统是信息过滤系统(Information Filtering System)的子集,它可以用在很多领域,如电影、音乐、电商和 Feed 流推荐等。个性推荐系统通过分析、挖掘用户行为,发现用户的个性需求与兴趣特点,将用户可能感兴趣的信息或商品推荐给用户。与搜索引擎不同,个性推荐系统不需要用户准确地描述出自己的需求,而是根据用户的历史行为进行建模,主动提供满足用户兴趣和需求的信息。 1994年明尼苏达大学推出的GroupLens系统[1]般被认为是个性推荐系统成为个相对独立的研究向的标志。该系统首次提出了基于协同过滤来完成推荐任务的思想,此后,基于该模型的协同过滤推荐引领了个性推荐系统十几年的发展向。 传统的个性推荐系统法主要有: 协同过滤推荐(Collaborative Filtering Recommendation):该法是应用最广泛的技术之,需要收集和分析用户的历史行为、活动和偏好。
l****m 2018-07-10
词向量(
词向量是自然语言处理中常见的个操作,是搜索引擎、广告系统、推荐系统等互联网服务背后常见的基础技术。 在这些互联网服务里,我们经常要比较两个词或者两段文本之间的相关性。为了做这样的比较,我们往往先要把词表示成计算机适合处理的式。最自然的式恐怕莫过于向量空间模型(vector space model)。 在这种式里,每个词被表示成个实数向量(one-hot vector),其长度为字典大小,每个维度对应个字典里的每个词,除了这个词对应维度上的值是1,其他元素都是0。 One-hot vector虽然自然,但是用处有限。比如,在互联网广告系统里,如果用户输入的query是“母亲节”,而有个广告的关键词是“康乃馨”。虽然按照常理,我们知道这两个词之间是有联系的——母亲节通常应该送给母亲束康乃馨;但是这两个词对应的one-hot vectors之间的距离度量,无论是欧氏距离还是余弦相似度(cosine similarity),由于其向量正交,都认为这两个词毫无相关性。 得出这种与我们相悖的结论的根本原因是:每个词本身的信息量都太小。
s****5 2018-07-10
个性推荐(二)
我们要提供的feed_order应该和训练过程致。 总结 本章介绍了传统的个性推荐系统法和YouTube的深度神经网络个性推荐系统,并以电影推荐为例,使用PaddlePaddle训练了个个性推荐神经网络模型。个性推荐系统几乎涵盖了电商系统、社交网络、广告推荐、搜索引擎等领域的面面,而在图像处理、自然语言处理等领域已经发挥重要作用的深度学习技术,也将会在个性推荐系统领域大放异彩。 参考文献 P. Resnick, N. Iacovou, etc. “GroupLens: An Open Architecture for Collaborative Filtering of Netnews”, Proceedings of ACM Conference on Computer Supported Cooperative Work, CSCW 1994. pp.175-186. Sarwar, Badrul, et al. "Item-based collaborative filtering recommendation algorithms."
TOP