学习周报20200627 | 项亮

学习周报

总结自己的学习和遇到的好材料。

往期回顾:

  • 学习周报20200517 | 搜索梳理、推荐、风控

  • 学习周报20200525 | 用户画像,推荐系统

  • 学习周报20200605 | DLRS,大数据操作,搜索的思考

  • 学习周报20200613 | spark学习

  • 学习周报20200621 | 深度学习推荐系统

推荐系统实践

项亮的推荐系统实践可以说是推荐系统领域比较早的一篇文章了,其实很久之前就读过,当时比较年轻,比较喜欢高端的深度学习的东西,所以觉得那本书写的比较传统,但是现在在一位前辈的推荐下开始阅读,反而觉得阅读越有味道,很多基本的方法应该是推荐系统最扎实的最基础的部分吧。

快速看完,就花了一周的时间,思考却花了不少时间吧。

回过头来看,这本书反而适合有一些推荐基础,主要理解模型但对业务理解不深的同学看,非常业务的一本书,针对业务能有很多个性化的方案出来。

candyhub

EE和bandit

有关用户兴趣探索和直接的兴趣推荐的平衡,也就EE问题,是一个经典的推荐系统问题,最近我就在就这个问题在研究多臂老虎机。

  • https://www.jianshu.com/p/95b2de50ce44

  • https://www.jianshu.com/p/e0e843d78e3c

模型本身不难,最近的思考在于每个臂怎么设计,具体收益如何还不太清楚,先加入工具库,后续再说吧。

GBDT+LR

很经典的模型,所以特地看了一下,这个特征的处理还是非常有技巧的,学起来。

  • 原论文:http://quinonero.net/Publications/predicting-clicks-facebook.pdf

  • https://www.jianshu.com/p/96173f2c2fb4

你可能感兴趣的:(学习周报20200627 | 项亮)