推荐系统计算广告

深度学习 用户画像_深度学习在用户画像方面的应用系列

本系列文章适用读者：对神经网络有些认识，想了解实际工作中神经网络是如何落地到用户画像或推荐系统场景中的。
weixin_39885690·2023-02-05 07:53

推荐系统论文阅读（四十九)-阿里：使用曝光未点击序列修正点击序列

论文：论文题目：《UnclickedUserBehaviorsEnhancedSequentialRecommendation》论文地址：https://arxiv.org/pdf/2010.12837v1.pdf在以前我们讲到一篇微信用未点击序列建模的文章后，我们今天也来讲讲，阿里是如何用未点击序列和度量学习的方法来建模的。一、背景关于sequencebasedrecommendation我们在
推荐系统论文阅读·2023-02-05 00:20

【矩阵分解七】论文阅读MATRIX FACTORIZATION TECHNIQUES FOR RECOMMENDER SYSTEMS

introduction引言推荐系统的基于两个策略contentfiltering，比如，商品本身的属性，另一个是用户属性。基于内容的推荐策略，要求聚集一些额外的信息，这一班不太容易收集。
凝眸伏笔·2023-02-04 21:32

推荐系统总结MF->PMF->CTR->CDL->CNN

推荐系统总结推荐系统总结数据集分析矩阵分解MF基于概率的矩阵分解PMF小结扩展篇标签推荐首先进行数据集的分析，然后介绍矩阵分解方法（MF）、基于概率的矩阵分解（PMF）；在此基础上介绍扩展方法：社交网络
kingzone_2008·2023-02-04 21:30

推荐系统框架及概述

推荐系统算法有哪些一、基于内容：基于商品的本身内容相似度进行推荐，用户喜欢内容1，推荐与内容1相似的内容。
AwesomeDong·2023-02-04 21:59

个性化电影协同过滤推荐系统 基于用户、项目、混合协同过滤推荐算法 movielens数据集 ml-latest-small数据集 电影图片爬取

个性化电影协同过滤推荐系统实现了基于用户和基于项目根据评分数据进行协同过滤的混合推荐，通过新用户登录选择兴趣标签，解决冷启动问题。
linge511873822·2023-02-04 17:56

movielens数据集导入mysql_GitHub - Colaplusice/movielens_recommend: 基于movielens数据集的电影推荐系统...

毕业设计--基于Django的电影推荐系统和论坛说明注册普通用户通过web界面来设置，创建创建用户通过creeatsuperuser创建。
职业成功w·2023-02-04 17:25

推荐系统实践：基于数据集MovieLens构造简单推荐系统

摘要本文基于MovieLens数据集构造了用户-电影项目评价矩阵，并基于评价矩阵计算两用户间的相似度，取出相似度最高的N个用户作为候选用户序列。接着筛选出这N个候选用户的高分电影项目且当前用户尚未观看，并根据这高分候选电影项目集合的电影类型，与当前用户所观影的全部电影类型做一个标签共现，预测当前用户对这些高分电影项目的评分，把预测评分最高的M个电影项目推荐给当前用户。关键词：协同过滤；标签共现；电
多鱼的夏天·2023-02-04 17:53

推荐系统--MovieLens数据集

推荐系统–MovieLens数据集简介MovieLens数据集是由GroupLens项目组制作的公开数据集。
Huranqingqing·2023-02-04 17:52

业务实战场景(十四)推荐系统

思维导图思维导图.png系列总目录业务场景实战汇总推荐系统简介1.推荐系统分类推荐系统分类.png1.1根据实时性分类离线推荐实时推荐1.2推荐原则分类基于相似度的推荐基于知识的推荐基于模型的推荐1.3
后来丶_a24d·2023-02-04 16:32

基于深度隐语义topic的用户聚合推荐--part1 topic的聚合

背景：在个性化推荐系统中，新用户的快速兴趣探索，是推荐系统能否真正抓住用户的真正喜好，并达到留存的关键因素。
数据挖掘菜鸟davidwang·2023-02-04 15:05

多任务学习算法在推荐系统中的应用

粗略来看，推荐算法可以简单地分为召回和排序两个阶段。召回模块负责从海量的物品库里挑选出用户可能感兴趣的物品子集，过滤之后通常返回几百个物品。排序模块负责对召回阶段返回的物品集个性化排序，通常返回几十个物品组成的有序列表。总结起来，召回和排序有如下特点：召回层：候选集规模大、模型和特征简单、速度快，尽量保证用户感兴趣数据多召回。排序层：候选集不大，目标是保证排序的精准，一般使用复杂和模型和特征。16
ShallowLearner·2023-02-04 15:34

Matrix factorization techniques for recommender systems，Yehuda Koren et al.，2009

文章目录1基本信息2引言3推荐系统策略4矩阵分解方法5基本矩阵分解模型6学习算法6.1随机梯度下降6.2交替最小二乘7增加偏差8额外的输入源9时间动态10具有不同置信水平的输入11Netflix大奖赛参考修改
lcg_magic·2023-02-04 14:51

架构、搜索、推荐、广告系统最全学习资料整理

AI架构、搜索系统、推荐系统、广告系统等技术资料整理。
SDEls·2023-02-04 14:28

阅读笔记-计算广告第二章-计算广告基础

千次展示期望收入（eCPM）可以分解为点击率和点击价值的乘积。eCPM广告有效性原理下面是广告的信息接收过程。曝光阶段：这一阶段指的是广告物理上展现出来的过程，例如上海陆家嘴外滩金融中心群的广告牌。曝光阶段会涉及互联网广告比较关键的一个问题，即位置偏置问题（简单来说即位置靠前的广告点击率会更大，这是有偏的点击率）。关注阶段：指的是受众不仅在当前物理意义上接触到关注，同时也要关注到广告，打个比方，比
phenomenona·2023-02-04 14:53

推荐系统入门（十）：新闻推荐实践5（附代码）

推荐系统入门（十）：新闻推荐实践5（附代码）目录推荐系统入门（十）：新闻推荐实践5（附代码）前言LGB模型DIN模型一、排序模型1.LGB排序模型2.LGB分类模型3.DIN模型二、模型融合1.加权融合
南有芙蕖·2023-02-04 13:30

AI比赛-推荐系统（一）-新闻推荐04：特征工程【制作训练集、验证集、测试集用于排序层模型】【制作特征和标签， 转成监督学习问题】

我们先捋一下基于原始的给定数据，有哪些特征可以直接利用：文章的自身特征，category_id表示这文章的类型，created_at_ts表示文章建立的时间，这个关系着文章的时效性，words_count是文章的字数，一般字数太长我们不太喜欢点击,也不排除有人就喜欢读长文。文章的内容embedding特征，这个召回的时候用过，这里可以选择使用，也可以选择不用，也可以尝试其他类型的embedding
u013250861·2023-02-04 13:29

AI比赛-推荐系统（一）-新闻推荐02：训练item词向量【每篇新闻文章对应一个词向量】【word2vec：将每个用户点击的新闻文章序列作为输入（类似文本序列），训练出每篇文章的向量表示】【天池】

安装gensim，使用gensim中的word2vec模型#安装gensim!pipinstallgensimimportpandasaspdimportnumpyasnpfromsklearn.preprocessingimportMinMaxScalerimportmatplotlib.pyplotaspltfromgensim.modelsimportWord2Vecimportloggin
u013250861·2023-02-04 13:59

毕业设计-基于大数据的新闻推荐系统-python

目录前言课题背景和意义实现技术思路实现效果图样例前言大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大量精力。近几年各个学校要求的毕设项目越来越难,有不少课题是研究生级别难度的,对本科同学来说是充满挑战。为帮助大家顺利通过和节省时间与精力投入到更重要的就业和考试中去,学长分享优质的选题经验和毕设项目与技术思路。对毕设有任何疑问都可以问学长哦!选
HaiLang_IT·2023-02-04 13:56

【打卡】零基础入门推荐系统 - 新闻推荐

【打卡】零基础入门推荐系统-新闻推荐赛题背景Task1：比赛报名与数据读取Task2：比赛数据分析步骤1：用户属性分析，使用可视化图表分析以下内容步骤2：用户行为分析，使用可视化图表分析以下内容步骤3：
jianghaoyu12·2023-02-04 13:25

AI比赛-推荐系统（一）-新闻推荐05：排序模型

通过召回的操作，我们已经进行了问题规模的缩减，对于每个用户，选择出了N篇文章作为了候选集，并基于召回的候选集构建了与用户历史相关的特征，以及用户本身的属性特征，文章本省的属性特征，以及用户与文章之间的特征，下面就是使用机器学习模型来对构造好的特征进行学习，然后对测试集进行预测，得到测试集中的每个候选集用户点击的概率，返回点击概率最大的topk个文章，作为最终的结果。排序阶段选择了三个比较有代表性的
u013250861·2023-02-04 13:22

推荐系统实践1——多路召回

多路召回所谓的“多路召回”策略，就是指采用不同的策略、特征或简单模型，分别召回一部分候选集，然后把候选集混合在一起供后续排序模型使用，可以明显的看出，“多路召回策略”是在“计算速度”和“召回率”之间进行权衡的结果。其中，各种简单策略保证候选集的快速召回，从不同角度设计的策略保证召回率接近理想的状态，不至于损伤排序效果。如下图是多路召回的一个示意图，在多路召回中，每个策略之间毫不相关，所以一般可以写
weixin_40666476·2023-02-04 11:50

零基础入门推荐系统【多路召回】Task3

TASK03多路召回由于在写本文时我正在赶路，忙于入职，所以本文没有认真写，请不要看，看原文地址最好。原文地址多路召回的含义所谓的“多路召回”策略，就是指采用不同的策略、特征或简单模型，分别召回一部分候选集，然后把候选集混合在一起供后续排序模型使用，可以明显的看出，“多路召回策略”是在“计算速度”和“召回率”之间进行权衡的结果。其中，各种简单策略保证候选集的快速召回，从不同角度设计的策略保证召回率
傲慢的菜鸟·2023-02-04 11:50

零基础入门新闻推荐系统（多路召回）

多路召回所谓的“多路召回”策略，就是指采用不同的策略、特征或简单模型，分别召回一部分候选集，然后把候选集混合在一起供后续排序模型使用，可以明显的看出，“多路召回策略”是在“计算速度”和“召回率”之间进行权衡的结果。其中，各种简单策略保证候选集的快速召回，从不同角度设计的策略保证召回率接近理想的状态，不至于损伤排序效果。如下图是多路召回的一个示意图，在多路召回中，每个策略之间毫不相关，所以一般可以写
深度遗忘YJ·2023-02-04 11:19

零基础入门推荐系统-新闻推荐-【多路召回】

零基础入门推荐系统-新闻推荐-天池大赛-阿里云天池Task03【多路召回】导包若当用pipinstallfaiss，出现下图所示：请参照https://github.com/facebookresearch
一棵二叉树·2023-02-04 11:19

推荐系统-召回-概述（一）：内容为王

为什么需要基于内容的召回无论是协同过滤，还是深度学习模型，当下最流行的推荐系统几乎都是以用户与物品交互行为为核心，来构建其召回体系的，但无论何时，基于内容的推荐仍然能够保留其一
u013250861·2023-02-04 11:19

AI比赛-推荐系统（一）-新闻推荐06：模型融合【①、加权融合（读取多个模型的排序结果，投票）；②、Staking（将模型的输出结果再使用一个简单模型进行预测）】

得到了最终的排序模型输出的结果之后，还选择了两种比较经典的模型集成的方法：输出结果加权融合Staking（将模型的输出结果再使用一个简单模型进行预测）
u013250861·2023-02-04 11:19

R&S[29] | 推荐系统中的召回

[27]|用户画像初探R&S[26]|搜索领域算法需要掌握的知识R&S[25]|搜索中的意图识别R&S[24]|浅谈Query理解和分析之前浅梦大佬的文章里其实也提到了很多召回的方法，先把链接放出来：推荐系统主流召回方法综述召回的重要性
机智的叉烧·2023-02-04 11:49

推荐系统中的召回

召回的重要性，在最近工作的逐步了解中慢慢有了更多的理解吧，召回其实对丰富度的要求很高，后面排序建设的再完美，好东西没有被召回，排序模型将没有任何意义，考虑这个角度，其实我们需要在召回层一定准确程度（要求很低）的情况下，尽可能多召回用户可能喜欢的东西。在此基础上，我还看到了很多方法，我的想法是给大家拓宽一下思路，看看召回会有哪些比较简单有用的方法。在这里先列举出来，后面逐一细说：CB，content
文文学霸·2023-02-04 11:48

AI比赛-推荐系统（一）-新闻推荐03：多路召回【用不同策略分别召回部分候选集，然后把候选集混在一起供后续排序模型使用】【①、YoutubeDNN双塔召回；②、基于物品召回；③、基于用户召回】【天池】

所谓的“多路召回”策略，就是指采用不同的策略、特征或简单模型，分别召回一部分候选集，然后把候选集混合在一起供后续排序模型使用，可以明显的看出，“多路召回策略”是在“计算速度”和“召回率”之间进行权衡的结果。其中，各种简单策略保证候选集的快速召回，从不同角度设计的策略保证召回率接近理想的状态，不至于损伤排序效果。如下图是多路召回的一个示意图，在多路召回中，每个策略之间毫不相关，所以一般可以写并发多线
u013250861·2023-02-04 11:18

Datawhale新闻推荐竞赛学习总结：多路召回

赛题：天池大赛—零基础入门推荐系统—新闻推荐天池新闻推荐入门赛之【多路召回】  多路召回策略是指采用不同的策略、特征或简单模型，分别召回一部分候选集，然后把候选集混合在一起供后续排序模型使用。
一只干巴巴的海绵·2023-02-04 11:18

1天学会开发工业级推荐系统的特征工程代码:保姆级教程

一、推荐算法为何要精做特征工程机器学习工作流就好比是一个厨师做菜的过程，简单来说，清洗食材对应了清洗数据，食材的去皮、切片和搭配就对于了特征工程的过程，食物的烹饪对应了模型训练的过程。如果你觉得数据清洗和特征工程不重要，莫非是你想吃一份没有经过清洗、去皮、切片、调料，而直接把原始的带着泥沙的蔬菜瓜果放在大锅里乱炖出来的“菜”?先不说卫生的问题，能不能弄熟了都是个问题。在完整的机器学习流水线中，特征
ShallowLearner·2023-02-04 11:37

计算广告（人工智能）

计算广告互联网广告的商业模型合约广告竞价广告程序化交易广告广告系统架构图计算广告的相关算法用户画像点击率预估样本采样特征抽取与组合模型训练模型评估广告检索广告排序／选择相关书籍互联网广告的商业模型合约广告合约广告一般在门户网站和视频网站中较为常见
Lei_yiyi·2023-02-04 10:21

信息检索

搜索引擎、推荐系统和在线广告布尔模型总体上来看，布尔模型的优点是简单易懂，系统实现的成本也较低。不过，它的弱点就是对相关性的刻画不足。
奇点_wu123·2023-02-04 09:01

MMOCR之DBNET文字检测

MMCV系列之MMOCR注：大家觉得博客好的话，别忘了点赞收藏呀，本人每周都会更新关于人工智能和大数据相关的内容，内容多为原创，PythonJavaScalaSQL代码，CVNLP推荐系统等，SparkFlinkKafkaHbaseHiveFlume
陈万君Allen·2023-02-04 00:20

推荐系统的冷启动问题

推荐系统需要根据用户的历史行为和兴趣预测用户未来的行为和兴趣，因此大量的用户行为数据就成为推荐系统的重要组成部分和先决条件。
bugmaker.·2023-02-04 00:20

推荐系统召回服务

召回服务相关–向量服务平台：向量服务平台，也称向量检索服务，其解决的问题是从海量向量数据中高精度、高性能的召回出与目标最相似的数据。向量服务平台的底层架构有多种：基于量化的索引基于树的索引基于图的索引基于哈希的索引这里主要我们使用最多的，基于树的索引方法原理：（搜索树的思想）用超平面把高维空间分割成多个子空间，并把这些子空间以树型结构存储的索引方式。算法实现：ANN（ApproximateNear
半吊子研究僧·2023-02-04 00:50

推荐系统冷启动

一、什么是冷启动推荐系统冷启动问题指的就是，对于新注册的用户或者新入库的标的物,该怎么给新用户推荐标的物让用户满意，怎么将新标的物分发出去，推荐给喜欢它的用户。
绝望的少女·2023-02-04 00:46

推荐系统冷启动的解决方案

冷启动问题是推荐算法或者计算广告算法岗位的面试官经常会问到一个问题，因此在这里做一个总结。
JerryLu-CN·2023-02-04 00:45

推荐系统冷启动概述

1.什么是推荐系统的冷启动？新用户、新内容对推荐系统来说都是没有过往信息积累的、陌生的，需要通过一定的曝光量和互动量来收集基础数据。这个从0到1积累基础数据的过程就是冷启动。
半吊子研究僧·2023-02-04 00:44

推荐系统学习

技术架构包括：数据部分数据的产生和基础处理：客户端、服务端实时数据（秒级延迟）--》流处理平台spark等（分钟延迟）---》大数据平台（小时级延迟）离线数据处理流计算平台数据的使用：实时更新特征，供模型使用实时产出模型效果，abtest批数据处理使用：生成训练样本、离线训练效果监控、评估模型部分召回层--排序层---补充策略层（多样性、冷启动、新鲜度等）效果的评估：离线评估、线上AB测试作为策略
qidreamcometrue·2023-02-03 22:15

阅读记录-视频推荐

Youtobe基于深度学习的视频推荐场景特点1.大规模：用户量和视频量超过1billion2.新鲜度：每天会有超过100K的新视频上传3.噪音大：用户行为系数，大量噪音，视频缺少结构化meta数据Youtube推荐系统架构图分两步走
一酷到底·2023-02-03 20:05

计算广告技术概览——计算广告读书笔记

个性化系统框架广告系统是一个典型的个性化内容系统。一般的个性化系统有四个主体部分构成：用于实时响应请求，完成决策的在线投放引擎；离线的分布式计算数据处理平台；用于在线实时反馈的流计算平台；连接和运转以上三部分数据流的数据高速公路。个性化系统一般框架在线投放引擎决策使用高速缓存中的人群标签和模型参数。离线数据处理平台周期性地以批处理方式加工过去一段时间的数据，得到人群标签和其他模参数，存放在高速缓存
小小浪把_Dont_know拍·2023-02-03 14:52

知识图谱实践（网易课程， 汽车）

课程特色和目录环境安装项目需求说明基于搜索引擎的商业数据分析项目整体架构设计系统体系结构和关键技术说明数据层应该叫知识层，是我们建立知识体系的数据存储科研优先级和工程时间优先级的顺序相反知识图谱设计知识图谱数据可视化开发环境部署可视化方案Echarts图数据可视化推荐系统与知识图谱结合的模式
DR.xiaojiangnan·2023-02-03 14:13

（知识卡片）互联网核心资产是什么？

【思考】是否还有其他层面的理解【出处】《计算广告》1.1免费模式与核心资产（第4页）【时间】22.02.07
产品经理充电宝·2023-02-03 14:30

【论文解读 KDD 2019 | MEIRec】Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation

：KDD2019论文链接：http://www.shichuan.org/doc/67.pdf代码链接：https://github.com/googlebaba/KDD2019-MEIRec关键词：推荐系统
byn12345·2023-02-03 11:41

从淘宝[猜你喜欢]模块看推荐系统如何更好的服务用户？

最近在淘宝上浏览了很多，也经常刷到淘宝【猜你喜欢】的feeds推荐，想以这个模块来聊一聊关于我对推荐系统的一些想法~淘宝【猜你喜欢】模块分析：模块入口：购物车页面底部、订单列表页面底部、收藏夹页面底部业务目标
爱因斯坦酱·2023-02-03 10:34

搜广推 知识脉络整理

文章目录一、推荐系统为何出现？二、推荐系统的5个环节（各环节的任务+各环节常用模型）?
#苦行僧·2023-02-03 09:09

推荐算法（1）——整体流程

先看推荐引擎的架构：推荐系统和其他系统之间的关系以“今日头条”为例，聊一聊推荐策略是如何应用在产品中的。从我理解的来看，一共分为四个步骤：获取数据、召回、排序、结果展现。
奕心的世界漂流·2023-02-03 06:07

大数据技术之Hadoop（入门）

发展历史1.3Hadoop三大发行版本1.4Hadoop的优势1.5Hadoop组成1.5.1HDFS架构概述1.5.2YARN架构概述1.5.3MapReduce架构概述1.6大数据技术生态体系1.7推荐系统框架图二
我是超级小白·2023-02-02 14:25
上一页 42 43 44 45 46 47 48 49 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他