推荐系统计算广告

推荐系统论文阅读（三十)-微信：深度反馈网络-DFN

论文：论文题目：《DeepFeedbackNetworkforRecommendation》论文地址：https://www.ijcai.org/Proceedings/2020/0349.pdf之前介绍了两篇在cikm上的文章，今天我们来看看微信发表在ijcai上面利用显示反馈和隐式反馈来进行推荐的文章吧。一、背景在介绍这篇论文之前我们先来解释两个概念：显式反馈：用户的正向评价/正向打分/点赞等
推荐系统论文阅读·2023-03-19 03:30

人工智能_机器学习_深度

人工智能领域人工智能的研究领域也在不断扩大，图二展示了人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。
Fitz_Lee·2023-03-18 23:21

推荐系统之离线模块

importjava.sql.Dateimportjava.text.SimpleDateFormatimportorg.apache.spark.SparkConfimportorg.apache.spark.sql.{Dataset,SparkSession}objectStatoisticsRecommender{valMONGO_URI:String="mongodb://hadoop10
刚入门的程序猿·2023-03-18 18:23

多样性算法在58部落的实践和思考

导读本文在明确“推荐系统个体多样性优化”主题后，由整体架构出发，清楚阐述了在召回层、规则层、多样性层的优化细节。
58技术专区·2023-03-18 10:49

牛亚男：基于多Domain多任务学习框架和Transformer，搭建快精排模型

file导读：本文主要介绍了快手的精排模型实践，包括快手的推荐系统，以及结合快手业务展开的各种模型实战和探索，全文围绕以下几大方面展开：快手推荐系统CTR模型——PPNet多domain多任务学习框架短期行为序列建模长期行为序列建模千亿特征
DataFunTalk·2023-03-17 23:48

基于springboot的家乡特色推荐系统【毕业论文，源码】

【计算机毕业设计】springboot家乡特色推荐系统演示系统结构图系统功能模块家乡特色推荐系统，在系统首页可以查看首页，文章分享，资讯信息，个人中心，后台管理等内容进行详细操作，如图用户注册，在用户注册页面通过填写用户名
资料小助手·2023-03-17 16:34

推荐系统中评估指标

1.Recall:召回率(recall)=TP/(TP+FN)【预测为真正/实际为正】通俗解释：正样本中有多少是被找了出来2.HR@K(hit_rate):命中率分母：模型预测给出的topk推荐列表个数。分子：模型预测的topk中有多少是实际点击的。通俗理解：模型给出topk结果，有多少是命中实际点击的。注意：召回率与命中率是不一样的。
Catherine_In_Data·2023-03-17 09:02

推荐系统常用算法_推荐算法炼丹笔记：推荐系统采样评估指标及线上线下一致性问题...

本文对于推荐系统中的采样评估指标进行了讨论，内容略多,还有一些数学推导,有兴趣的可以去阅读文末给出的原始论文链接,此处直接列出核心观点：在评估推荐算法的效果时,能不采样就不采样！
weixin_39563823·2023-03-17 09:31

precision@k

precision@k是一种衡量推荐系统(或者搜索系统)的指标。它表示的是在前k个推荐(或者搜索结果)中，有多少个是正确的(也就是说用户会感兴趣的)。
久久爆品汇·2023-03-17 09:30

推荐系统评价：NDCG方法概述

摘要：哪一种模型更适合挖掘信息，主要的决策因子是推荐质量，而推荐系统包括很多很棘手的问题，下面就由这篇文章带给大家推荐系统评价。
rolin-刘瑞·2023-03-17 09:30

推荐系统中的常用评测指标

一.HitRatio（HR）1.在top-K推荐中，HR是一种常用的衡量召回率的指标，其计算公式如下：分母是所有的测试集合，分子是每个用户top-K推荐列表中属于测试集合的个数的总和。2.举例：三个用户在测试集中的商品个数分别是10，12，8，模型得到的top-10推荐列表中，分别有6个，5个，4个在测试集中，那么此时HR的值是(6+5+4)/(10+12+8)=0.5。二.NormalizedD
菜鸡的鼻祖·2023-03-17 09:28

NDCG原理及代码实现

推荐系统通常为某用户返回一个item列表，假设列表长度为K，这时可以用NDCG@K评价该排序列表与用户真实交互列表的差距。
AiBigData·2023-03-17 09:56

App产品设计『其他篇』推荐系统

本文会和大家分享推荐系统的使用场景、原理和注意事项等内容。应用场景在之前的文章提到过推荐系统应用的三个场景，分别是专属推荐、热门推荐、相关推荐。1.专属推荐，平台根
莉莉妮特·2023-03-16 14:50

一文轻松看懂推荐系统背后原理

因为他们背后都有一个叫做推荐系统的东西。顾名思义，推荐系统就是把你可能喜欢的东西从海量的备选物品中筛选出来推荐给你的系统。
新趣百科·2023-03-15 19:00

第十六章 推荐系统(Recommender Systems)

看到推荐系统的时候，我是很兴奋的，因为我很多同学都是走这个方向的，然而，我却对这个方向一点都不了解。。。。。。16.1问题形式化在很多企业中，推荐系统是一个很重要的营销手段。我们直接进入主题吧！！
Colleen_oh·2023-03-15 12:51

毕业设计 - 题目：推荐系统构建和应用 推荐系统

文章目录0前言1什么是推荐系统2毕业设计-能做哪些推荐系统？
DanCheng-studio·2023-03-15 07:51

Java架构师的推荐系统架构详解，程序员必学！

Java架构师的推荐系统架构详解，程序员必学！对于推荐系统，大家应该不陌生。可以说现在已经随处可以看到它的身影。比如你浏览网页时，如在京东上购物，对应页面会根据你的浏览内容给你推荐诸多类似功能的商品。
架构学习基地·2023-03-15 04:10

mysql .pdb是什么文件_计算广告算法到底要做什么？

这个话题在这个专栏开篇就该去讲。恰逢今天公司业务和财务培训(20190216)之后，也有一些思索，索性就都汇总写下来。本文杂述，不尽完备，但是值得不断完善。我喜欢一句话“革命不是请客吃饭，不是做文章，不是绘画绣花，不能那样雅致，不能那样从容不迫，文质彬彬，那样温良恭俭让。”。对于一个公司来说，不得不承认，也应该是如此！必须要有贡献，要有对应的产出！这样就自然的提出了一系列问题，要有怎样的产出，要做
weixin_39587113·2023-03-15 03:00

因果推断推荐系统工具箱 - IOBM（一）

文章名称【SIGIR-2021】【浙大-Salesforce】AdaptingInteractionalObservationEmbeddingforCounterfactualLearningtoRank核心要点文章旨在解决反事实的L2R方法（CLTR）中存在的非PositionBias（其他偏差）。作者提出IOBM，分别学习独立学习审视和点击的嵌入向量表示。同时，用一个可学习的嵌入向量反映审视
processor4d·2023-03-14 22:06

传统推荐算法

传统推荐算法Bandit算法与系统推荐在推荐系统里比较经典的问题，就是EE和用户冷启动问题什么是EE，两个单词的简称，分别是exploit和explore前者代表挖矿收获，后者代表探险探测。
崔吉龙·2023-03-14 19:41

145.如何评价个性化推荐系统的效果-2

145.1E值E值表示查准率P和查全率R的加权平均值，当其中一个为0时，E值为1，其计算公式：b越大，表示查准率的权重越大。145.2平均正确率（AveragePrecision）平均正确率表示不同查全率的点上的正确率的平均145.3AP和mAP(meanAveragePrecision)mAP是为解决P（准确率），R（召回率），F-measure的单点值局限性的。为了得到一个能够反映全局性能的指
大勇若怯任卷舒·2023-03-14 13:24

推荐系统从入门到入门（3）——基于MapReuduce与Spark的分布式推荐系统构建

本系列博客总结了不同框架、不同算法、不同界面的推荐系统，完整阅读需要大量时间（又臭又长），建议根据目录选择需要的内容查看，欢迎讨论与指出问题。
@李忆如·2023-03-14 10:03

推荐系统 - 入门篇

1.什么是推荐系统推荐系统是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。
与AI零距离·2023-03-13 15:20

白熊产品群日常Q&A

推荐系统Q：一条知乎问答里的答案有很多，我们每个人看到的顺序似乎是不同的，那么思考一下，如何建立这个标准呢？按照什么样的方式，才是相对合理的呢？A：以社区为例，社区中我们经常说的一个重要思想是策略。
占Kylin·2023-03-13 15:51

java+jsp+mysql实现个性化在线图书推荐系统NewBookCFRS SSH（Spring+Struts+Hibernate）开发框架 mahout实现基于用户、项目的协同过滤推荐算法

java+jsp+mysql实现个性化在线图书推荐系统NewBookCFRS一、项目简介1、SSH（Spring+Struts+Hibernate）开发框架；2、mahout实现基于用户、项目的协同过滤推荐算法
74b3a3e489d4·2023-03-13 14:43

一页纸说清楚“什么是深度学习？”

深度学习：像人脑一样深层次地思考从上一篇我们可以看出，个性化推荐系统确实很会“察言观色”，针对不同的用户，主动推送不同的3D打印内容。但如果你认为它真正有了“人工智能”，那你就错了。
linghhh·2023-03-13 10:57

Deep Learning——奇异值分解在协同过滤推荐算法中的应用

奇异值分解在协同过滤推荐算法中的应用目录推荐算法介绍协同过滤算法电影推荐系统基于用户（项目）的协同过滤算法基于模型的协同过滤算法对缺失的地方进行填充---传统SVDFunk-SVD推荐算法介绍所谓推荐算法
丁想·2023-03-12 19:12

图卷积神经网络(GCN)的理论与实践

而图神经网络可以应用于更为丰富的拓扑结构数据，如社交网络、推荐系统、交通网络等，这些数据的特点是具有无序的连接关系。
7NIC7·2023-03-12 17:14

通过女票的淘宝历程，大白话讲解大数据各个方向的分工

--马云大纲：一、写作背景二、开始淘宝2.1推荐系统（导购员）2.2大数据平台开发（店里监控布局）2.3实时计算（收银员）2.4数据仓库（储物间）2.5数据分析（店长）2.6离线计算（会计）2.7数据挖掘
程序员峰哥·2023-03-12 15:17

Transformer & BERT 详解第1篇（共4篇）

本系列文章围绕以下几个主题来详细解读Transformer和BERT的原理和发展Transformer模型详解Transformer在CV,NLP,推荐系统的发展与应用BERT模型详解BERT最新发展与应用更多内容请关注公众号
AliceWanderAI·2023-03-12 07:04

对比学习

、度量学习、bert自监督的度量学习simclrmocoswav2、基于对比学习的推荐模型微博：粗粒度:娱乐细粒度:刘德华中间粒度：刘德华北京开演唱会（话题）实践：（1）提取中间粒度数据，如话题（2）推荐系统
小石头在长大·2023-03-11 22:44

个性化推荐系统设计（4.1）案例分析

YouTube的推荐系统算法由两个神经网络组成：一个用于候选生成，一个用于排序。如果你没时间仔细研究论文，可以看看我
_两只橙_·2023-03-11 19:22

我从产品角度如何看待AI？

先说转型思路1、因为之前有搜索广告相关经验，首先重温、复习了广告策略相关知识，重点看了《计算广告》、《这就是搜索引擎》这两本书2、结合产品工作中的数据分析经验，重温大数据相关书籍，包括《大数据时代》、《
清水杂谈·2023-03-11 13:40

推荐系统中的Embedding

推荐系统为什么需要Embedding？推荐系统代码中如何用数据生成Embedding？推荐系统代码中的Embedding技术分类有哪些？1.什么是Embedding？
andyham·2023-03-11 08:57

计算机毕业设计Python+Spark游戏推荐系统 游戏可视化 游戏爬虫 游戏用户画像系统 游戏大屏可视化 游戏数据分析 游戏情感分析 神经网络混合CF推荐算法 大数据毕业设计 大数据毕设

开发技术前端：vue.js、websocket、echarts、element-ui后端：springboot+mybatis-plus数据库：mysql大数据实时计算框架：hadoop、spark爬虫：Python·requests机器学习：协同过滤算法（基于用户、基于物品全部实现）深度学习：lstm情感分析模型三方平台：百度AI接口、阿里云短信、支付宝沙箱支付需求1.爬虫，用python爬取游
计算机毕业设计大神·2023-03-11 00:42

Leveraging Meta-path based Context for Top-N Recommendation with A Neural Co-Attention Model

23,2018,London,UnitedKingdomGithub:https://github.com/librahu/MCRec本文使用异构信息网络中基于上下文的元路径和共同关注机制的神经网络模型建立推荐系统
懿想天开_·2023-03-10 12:50

计算广告-chapter06程序化交易广告

ADX:RTB的产生，使广告市场向着透明的比价平台的方向发展，这样的平台就是广告交易平台，负责将媒体流量已拍卖的方式售卖给DSP，RTB方式的流量购买。DSP:与广告机交易平台对应的采买方，我们称为需求方平台。媒体常用的四种广告变现：担保式投送的合约售卖方式、自营广告网络、托管给其他广告网络、RTB变现实时竞价定制化用户标签：我们在加工人群标签的过程中需要利用到广告主的数据，这样的标签称为定制化用
喜欢絮叨的爱美丽·2023-03-10 10:12

资料

3、weibo：机器学习在热门微博推荐系统的应用4、facebook：BringingPeopleCloserTogether数据挖掘系列篇(16):Facebook内容排序算法研究Facebook推荐系统的原理
无须想·2023-03-10 07:29

从深度学习框架到开发工具，百度飞桨携最新成绩单将亮相GTC

2023年3月20日-23日在线上举行，包括超过650场演讲、专家座谈会以及特别活动，涵盖加速计算和开发工具、计算机视觉、对话式AI/NLP、数据科学、深度学习、数字孪生和世界仿真、图形和XR、高性能计算、推荐系统
飞桨PaddlePaddle·2023-03-09 22:27

推荐冷启动召回模型DropoutNet深度解析与改进

为什么需要冷启动通常推荐系统通过协同过滤、矩阵分解或是深度学习模型来生成推荐候选集，这些召回算法一般都依赖于用户-物品行为矩阵。
ShallowLearner·2023-03-09 20:46

推荐系统 Recommender System

推荐系统概述所谓推荐系统，就是向用户推荐用户可能会喜欢的元素（item），这个元素可以是各种内容，比如看什么新闻（头条），买什么东西（淘宝），听什么音乐（网易云）。分为个性化推荐和非个性化推荐两大类。
断舍离_0025·2023-03-09 19:01

【机器学习】自学笔记绪论---机器学习进阶之路

找到要学习的算法的实现代码，分析算法的实现过程、优缺点、参数设置；使用框架去训练模型、运用模型；4)参加一些机器学习方面的竞赛，综合地运用已形成的能力，进一步巩固提高5)选择特定的应用领域（如语音识别、自然语言处理、推荐系统等
wzx9511·2023-03-09 07:22

微信看一看推荐算法多目标帕累托最优

v=RUYZXkQjjKcMovation推荐系统的调优往往有多个目标，而且这些目标往往都是矛盾的，冲突的同时优
臻甄·2023-03-09 05:49

推荐系统理论(四) -- 利用标签数据进行推荐

本篇的思维导图如下：1、UGC标签简介标签应用一般分为两种:一种是让作者或者专家给物品打标签;另一种是让普通用户给物品打标签，也就是UGC(UserGeneratedContent，用户生成的内容)的标签应用。我们本篇主要讨论UGC的标签应用。标签系统中的推荐问题主要有以下两个：1)如何利用用户打标签的行为为其推荐物品(基于标签的推荐)?2)如何在用户给物品打标签时为其推荐适合该物品的标签(标签推
文哥的学习日记·2023-03-09 04:07

推荐系统之深度召回模型综述

DeeplearningformatchinginsearchandRecommendation》，文章思路清晰，总结详实到位，值得一再翻阅，就想借这篇文章结合自己最近一年多的推荐召回工作内容，总结一下推荐系统中的深度召回模型
科技州与数据州·2023-03-08 21:29

黄萱菁：自然语言处理中的可理解分析

在诸如推荐系统，游戏等领域的模型应用，因为风险较小，是否可解释对其影响甚微，但在风险更高的领域，如征信体系中的用户画像、舆情监督、金融数据分析等，结果不明确的模型往往会带来巨大的潜在损失，这极大地削弱了自然
智源社区·2023-03-08 21:28

【实时数仓】介绍、需求分析、统计架构分析和ods层日志行为数据采集

文章目录一电商实时数仓介绍1普通实时计算与实时2实时电商数仓分层二实时数仓需求分析1离线计算与实时计算的比较2应数场景（1）日常统计报表或分析图中需要包含当日部分（2）实时数据大屏监控（3）数据预警或提示（4）实时推荐系统三统计架构分析
OneTenTwo76·2023-02-26 07:23

推荐系统[八]算法实践总结V1：淘宝逛逛and阿里飞猪个性化推荐：召回算法实践总结

0.前言：召回排序流程策略算法简介推荐可分为以下四个流程，分别是召回、粗排、精排以及重排：召回是源头，在某种意义上决定着整个推荐的天花板；粗排是初筛，一般不会上复杂模型；精排是整个推荐环节的重中之重，在特征和模型上都会做的比较复杂；重排，一般是做打散或满足业务运营的特定强插需求，同样不会使用复杂模型；召回层：召回解决的是从海量候选item中召回千级别的item问题统计类，热度，LBS；协同过滤类，
·2023-02-25 14:03

稀疏特征和密集特征

稀疏特征在自然语言处理(NLP)和推荐系统中很常见，其中数据通常表
·2023-02-25 09:53

基于springboot+vue个人需求和地域特色的多商家外卖推荐系统java

项目介绍1、研究内容本文准备以springboot为开发技术，实现一个校园点餐系统。校园点餐系统的主要使用者分为三类：（1）管理员：包括个人中心、用户管理、商家管理、菜系分类管理、菜品信息管理、外卖订单管理、系统管理等功能；（2）用户：包括个人中心、外卖订单管理、我的收藏管理等功能；（3）商家：包括个人中心、菜系分类管理、菜品信息管理、外卖订单管理等功能。在前台首页中主要显示首页、菜品信息、外卖订
QQ58850198·2023-02-23 15:48
上一页 40 41 42 43 44 45 46 47 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他