dqn推荐系统

基于用户的协同过滤推荐算法原理和实现分析

本文转载自nieson基于用户的协同过滤推荐算法原理和实现在推荐系统众多方法中，基于用户的协同过滤推荐算法是最早诞生的，原理也较为简单。
柚子一只·2022-12-07 10:46

边境的悍匪—机器学习实战：第九章 无监督学习任务

这只是无监督学习的一个应用，他还能解决包括异常检测，图片分割，推荐系统在内的多个实际问题，并且无监督学习还有针对解决不同问题时使用的不同
doubleZ7·2022-12-07 10:15

妙啊，使用 Python 也可以轻松构建电影推荐系统

本文将余弦相似度与KNN、Seaborn、Scikit-learn和Pandas结合使用，创建一个使用用户评分数据的电影推荐系统。
Python数据挖掘·2022-12-07 07:15

2021上交跨域推荐最新综述论文

“机器学习与推荐算法”添加星标ASurveyonCross-domainRecommendation:Taxonomies,Methods,andFutureDirections.论文地址：摘要：传统推荐系统面临着数据稀疏和冷启动问题这两个长期存在的障碍
机器学习与推荐算法·2022-12-07 06:34

位置偏差在马蜂窝推荐排序中的实践

点击上方“马蜂窝技术”，关注订阅更多优质内容马蜂窝信息流推荐系统的目的是给用户推荐更好玩，更有用的内容攻略，该系统通过内容池、召回、排序、重排序几个过程，从海量内容中筛选出用户感兴趣的推荐给用户。
马蜂窝技术·2022-12-07 06:33

推荐系统----2021文章集锦

CIKM21OneModeltoServeAll:StarTopologyAdaptiveRecommenderforMulti-DomainCTRPrediction【appliedpaper，用于多领域CTR预估的自适应推荐】如果是分类簇,最后在每个个例上可不可以加上整个簇的embedding共有的网络，可以学习不同domain共通的信息，而通过独有的网络，可以捕获每个domain私有的信息数
无意识积累中·2022-12-07 06:32

Attacking Black-box Recommendations viaCopying Cross-domain User Profiles

摘要旨在为用户提供个性化项目列表的推荐系统，已经引起了广泛的关注。事实上，许多这些最先进的推荐系统都是建立在深度神经网络(DNNs)上的。
qq_43532928·2022-12-07 06:58

带你走进跨域推荐系统！

©作者｜张高玮研究方向|推荐系统近年来跨域推荐方法逐渐受到人们的关注，为解决推荐系统中数据稀疏以及冷启动这两个问题提供了新的思路。
文文学霸·2022-12-07 06:56

迁移学习与跨域推荐，以及解决跨域推荐的方法

因此本文主要是详细介绍一下跨域推荐，包含但不局限于以下几个部分：迁移学习跨域推荐跨域推荐可以怎么做冷启动的其他一些方法可以参考的论文有哪些1.迁移学习以下内容参考【推荐系统中的多任务学习-卢明冬】进行修改和介绍
文文学霸·2022-12-07 06:26

走进跨域推荐系统

作者简介：张高玮，研究方向为推荐系统。引言：近年来跨域推荐方法逐渐受到人们的关注，为解决推荐系统中数据稀疏以及冷启动这两个问题提供了新的思路。
山科智能信息处理实验室·2022-12-07 06:25

《数据挖掘：理论与算法》学习笔记（十）—推荐算法

信息爆炸时代推荐系统包括两种方式—基于内容的过滤和协同过滤隐含语义分析Tf-idfTF—出现频率IDF—在其他文档中出现的频率，（在其他文档也经常出现，则IDF值会比较低）向量空间模型相似度—余弦距离存在的问题
时光机丶·2022-12-07 05:12

数据挖掘笔记：推荐算法

推荐系统定义：一种预测用户对于一个物品喜好程度的系统；作用：帮助人们发现一些未曾想过的物品；方式：有两种：基于内容的过滤和协同过滤；基于内容的过滤：专注于物品的特征，一般都是推荐和历史记录中相似的物品；
a44267113·2022-12-07 05:32

[Distributed Training]强化学习并行训练论文合集

github.com/PaddlePaddle/PARL/blob/develop/papers/archive.md#distributed-training整体介绍强化学习需要的数据量其实是相当大的，在15年DQN
小芮猪·2022-12-06 22:50

重磅 | 完备的 AI 学习路线，最详细的资源整理！

Datawhale，ApacheCN，AI有道和黄海广博士联合整理贡献，内容涵盖AI入门基础知识、数据分析\挖掘、机器学习、深度学习、强化学习、前沿Paper和五大AI理论应用领域：自然语言处理，计算机视觉，推荐系统
算法channel·2022-12-06 17:28

伯乐：一个易用、强大的PyTorch推荐系统开源库

是否还在为推荐模型无法复现而怀疑人生？是否还在为不知如何入门推荐而踌躇不前？是否还在为数据处理纷繁复杂而不知所措？赶紧来看看这个新发布的推荐算法框架吧！RecBole（中文名称："伯乐"，意取"世有伯乐，然后有千里马"），由中国人民大学的AIBox团队与北京邮电大学、华东师范大学的科研团队联合开发出品。该框架实现了推荐领域不同任务的推荐模型，拥有从数据处理、模型开发、算法训练到科学评测的一站式全流
PaperWeekly·2022-12-06 14:44

什么是强化学习，强化学习在控制系统中的应用以及matlab强化学习工具箱的介绍

一、ReinforcementLearningToolbox介绍强化学习工具箱使用强化学习算法（包括DQN，A2C和DDPG）为训练策略（policy）提供函数和模块。
领海王WHL·2022-12-06 14:11

强化学习之DQN：算法思想、案例及详解，使用DQN算法实现自动走迷宫

DQN算法及案例：如何使用DQN实现走迷宫算法原理案例详解算法原理在了解DQN之前，我们需要知道值函数近似这一思想。值函数近似：在数据较大情况下，根据s&a去查询Q值会比较困难。
Rulcy·2022-12-06 12:35

认认真真推荐几个机器学习类的公众号

机器学习算法那些事一个百度人的技术提升之路，为您提供一系列计算机视觉，自然语言处理和推荐系统等高质量技术文章，让您的碎片化时间最大价值化。同时会不定期分享精品免费视频和资源，让您的技术之路不
Python数据之道·2022-12-06 12:51

推荐系统相关论文阅读整理

文章题目基于协同过滤的微信点餐推荐系统的设计与实现作者张彭飞吉林大学期刊论文在线阅读—中国知网(cnki.net)摘要关键词协同过滤;推荐系统;Docker;PXC;RedisCluster;名词解释文献研究目的推荐系统应用现状在
hellolianhua·2022-12-06 12:20

github优秀代码锦集

AcuratedlistofresourcesdedicatedtoNaturalLanguageProcessing(NLP)GitHub-glample/tagger:NamedEntityRecognitionToolhttps://github.com/guoguibing/librec优秀推荐系统代码
zh515858237·2022-12-06 11:47

【矩阵分解一】奇异值分解SVD(Singular Value Decomposition)

本篇内容主要介绍SVD，包含：EVD、SVD、SVD在推荐中的应用demo；1.基于矩阵分解推荐算法的背景矩阵分解模型在推荐系统中有非常不错的表现，相对于传统的协同过滤方法，它不仅能通过降维增加模型的泛化能力
凝眸伏笔·2022-12-06 11:55

【初识GNN】Graphical Neural Networks

就比如，它可以应用到芯片领域，在芯片的设计方面；场景分析和推理问题；推荐系统（比如dy，ks等短视频平台，你经常看什么类型的视频，那么就会经常给你推荐什么类型的视频）；欺诈检测，风控相关；知识图谱（本身也是个图模
追光者♂·2022-12-06 10:23

(附源码)计算机毕业设计SSM音乐推荐系统

项目运行环境配置：Jdk1.8+Tomcat7.0+Mysql+HBuilderX（Webstorm也行）+Eclispe（IntelliJIDEA,Eclispe,MyEclispe,Sts都支持）。项目技术：SSM+mybatis+Maven+Vue等等组成，B/S模式+Maven管理等等。环境需要1.运行环境：最好是javajdk1.8，我们在这个平台上运行的。其他版本理论上也可以。2.ID
计算机毕设程序设计·2022-12-06 09:05

Springboot面向网络直播平台的推荐系统y9tf8计算机毕业设计-课程设计-期末作业-毕设程序代做

Springboot面向网络直播平台的推荐系统y9tf8计算机毕业设计-课程设计-期末作业-毕设程序代做【免费赠送源码】Springboot面向网络直播平台的推荐系统y9tf8计算机毕业设计-课程设计-
含宇网络·2022-12-06 07:10

[附源码]Python计算机毕业设计SSM健康饮食推荐系统（程序+LW)

项目运行环境配置：Jdk1.8+Tomcat7.0+Mysql+HBuilderX（Webstorm也行）+Eclispe（IntelliJIDEA,Eclispe,MyEclispe,Sts都支持）。项目技术：SSM+mybatis+Maven+Vue等等组成，B/S模式+Maven管理等等。环境需要1.运行环境：最好是javajdk1.8，我们在这个平台上运行的。其他版本理论上也可以。2.ID
sheji1213·2022-12-06 02:52

基于对抗学习的隐私保护推荐算法

这些偏见（Bias）信息会进一步影响推荐系统（RS）的决策，使得推荐算法会提供给不同用户子群的内容进一步分离，这将引起对用户受保护属性泄露的隐私问题。
机器学习与推荐算法·2022-12-05 14:37

【李佳辉_周报_2022.10.23】

文章目录1.本周学习主要内容1.1Transformer和Bert1.2机器学习模型部署1.3基于DQN的强化学习算法1.4机器学习特征工程的复习2.所遇到问题及代办3.本周重点3.1Transformer
qq_44954885·2022-12-05 14:06

「构建企业级推荐系统系列」推荐系统与精细化运营

作者|gongyouliu编辑|auroral-L‍随着大数据与人工智能(AI)技术的发展与成熟，国家政策层面对大数据与人工智能技术、创新、创业层面的支持，企业越来越意识到数据和AI技术的价值，并逐步认可数据是企业的核心资产。怎么利用大数据和AI技术从这些价值密度低、源源不断地产生的海量数据中挖掘商业价值，提升公司的决策力和竞争力，是每个提供产品/服务的公司(特别是toC互联网公司)必须思考和探索
数据与智能·2022-12-05 14:42

论推荐系统与精细化运营

作者丨gongyouliu来源|大数据与人工智能（ID:ai-big-data）随着大数据与人工智能(AI)技术的发展与成熟，国家政策层面对大数据与人工智能技术、创新、创业层面的支持，企业越来越意识到数据和AI技术的价值，并逐步认可数据是企业的核心资产。怎么利用大数据和AI技术从这些价值密度低、源源不断地产生的海量数据中挖掘商业价值，提升公司的决策力和竞争力，是每个提供产品/服务的公司(特别是to
AI科技大本营·2022-12-05 14:08

推荐系统与精细化运营

作者丨gongyouliu编辑丨gongyouliu这是作者的第30篇文章，约1.6w字，阅读需90分钟随着大数据与人工智能(AI)技术的发展与成熟，国家政策层面对大数据与人工智能技术、创新、创业层面的支持，企业越来越意识到数据和AI技术的价值，并逐步认可数据是企业的核心资产。怎么利用大数据和AI技术从这些价值密度低、源源不断地产生的海量数据中挖掘商业价值，提升公司的决策力和竞争力，是每个提供产品
文文学霸·2022-12-05 14:36

动手学深度学习笔记（一）——机器学习

objectivefunction）1.1.4算法（algorithm）1.2各种机器学习问题1.2.1监督学习1.2.1.1回归1.2.1.2分类1.2.1.3标记问题1.2.1.4搜索1.2.1.5推荐系统
.别拖至春天.·2022-12-05 13:27

LeetCode题解PDF百度网盘下载

密码:12fc其他学习资源都整理在这个Github了：https://github.com/leerumor/ai-study包含机器学习基础ML、深度学习基础DL、计算机视觉CV、自然语言处理NLP、推荐系统
李rumor·2022-12-05 12:04

MAML:User Diverse Preference Modeling by Multimodal AttentiveMetric Learning

一、摘要大多数现有的推荐系统用特征向量表示用户的偏好，当预测该用户对不同项目的偏好时，假设该特征向量是固定的。然而，同一个向量不能准确地捕捉用户对所有项目的不同偏好，特别是在考虑各种项目的不同特征时。
只想做个咸鱼·2022-12-05 11:19

基于在软件工程中对贝叶斯网络的循证决策

基于在软件工程中对贝叶斯网络的循证决策摘要：在软件工程中的推荐系统应该设计成集成依据并成为从业人员的经验。
乔巴k·2022-12-05 10:33

推荐系统笔记：基于SVD的协同过滤

1奇异值分解奇异值分解(SVD)是矩阵分解的一种形式，其中U和V的列被约束为相互正交相互正交的优点是概念之间可以完全独立，并且可以用散点几何解释它们。然而，这种分解的语义解释通常比较困难，因为这些潜在的向量包含正的和负的量，并且受到它们与其他概念的正交性的限制。对于完全指定的矩阵，利用特征分解方法进行奇异值分解是比较容易的。考虑一个完全指定的矩阵R，可以使用如下方式来近似R（截断SVD）：其中k远
UQI-LIUWJ·2022-12-05 09:21

python实现 基于邻域的算法之协同过滤（电影推荐实战）

用户行为在个性化推荐系统中一般分为两种：显性反馈行为（explicitfeedback）包括：用户明确表示明确对物品喜好的行为，网站中收集显性反馈的方式就是评分喜欢/不喜欢。
有勇气的牛排·2022-12-05 09:40

基于用户的协同过滤Movielens电影推荐系统简单实例

基于用户的协同过滤Movielens电影推荐系统简单实例一、Movielens数据集1.MovieLens数据集的下载（Download）1）从网站下载数据链接:https://grouplens.org
试着去进步·2022-12-05 09:38

推荐系统—基于用户的协同过滤算法简单实现

前言目的：实现一个基于用户(user-based)的协同过滤算法数据集：用户对电影的评分最终结果：为用户推荐电影算法评价：用户预估评分与真实评分的差距数据集介绍训练集：实现简单的推荐，训练集只用到如下框选出的三个数据测试集：评价算法只需要如下三个框选出的数据集数据集简述：训练集可以合并为一个user_movie_train.shape=58×1625的数据集，测试集可以合并为一个user_movi
卅拓·2022-12-05 09:38

推荐系统--基于用户的协同过滤算法（UserCF）

推荐系统–基于用户的协同过滤算法（UserCF）基本概念基本思想：向用户uuu推荐时，我们可以先找到和uuu相似的用户集合NuN_uNu，然后把这些用户喜欢的物品，但uuu没有看过的物品推荐给他。
Huranqingqing·2022-12-05 09:07

Python实现基于物品的协同过滤推荐算法构建电影推荐系统

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。1.项目背景基于物品的协同过滤推荐（Item-basedCF）的假设原理为：跟你喜欢的东西相似的东西你也很有可能喜欢。基于物品的协同过滤推荐并不通过对item的评分来评测item之间的相关性，而是基于item的相似性做推荐，其核心就是：给用户推荐他之前喜欢的物品的相似物品。首先使
胖哥真不错·2022-12-05 09:37

基于MapReduce和协同过滤算法的推荐系统研究

1项目背景及意义当前互联网信息越来越多，呈现指数增长的趋势。视频服务网站是互联网的重要组成部分，往往都存着数以万计的电影资源[1]，用户打开电影网站时也许没有明确的目标，使得查找时所涉及的电影资源数量仍然巨大，并且很难轻松获得符合自己兴趣的新资源。在这种情况下，通过对用户行为信息和电影资源信息进行关联性分析来预测并推荐与用户喜好相符的电影，会很大程度上增加用户的观看兴趣。视频服务已经成为用户浏览互
野渡_无人·2022-12-05 09:33

基于物品的协同过滤算法的电影推荐系统的Python实现

一、算法原理基于物品的协同过滤推荐的原理和基于用户的原理类似，只是在计算邻居时采用物品本身，而不是从用户的角度，即基于用户对物品的偏好找到相似的物品，然后根据用户的历史偏好推荐相似的物品给他。从计算的角度看，就是将所有用户对某个物品的偏好作为一个向量来计算物品之间的相似度，得到物品的相似物品，根据用户历史的偏好预测当前用户还没有表示偏好的物品，计算得到一个排序的物品列表作为推荐。例如下图，用户A喜
技术人小柒·2022-12-05 09:00

Python实现基于用户的协同过滤推荐算法构建电影推荐系统

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。1.项目背景基于用户的协同过滤推荐（User-basedCF）的原理假设：跟你喜好相似的人喜欢的东西你也很有可能喜欢。先找到相似的用户，再找到他们喜欢的物品，基于用户的协同过滤通过用户的历史行为数据，发现用户喜欢的物品，并对这些偏好进行打分和度量，然后根据不同的用户对物品的评分或
胖哥真不错·2022-12-05 09:28

Python实现基于内容的协同过滤推荐算法构建电影推荐系统

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。1.项目背景基于内容(ContentBased,CB)的推荐算法，根据用户过去是一段时间内喜欢的物品，由此推测计算出用户的偏好，为用户推荐相似的物品，“内容就是”用户过去一段时间内喜欢的物品，以及由此计算出的用户偏好。该算法的原理非常简单，向用户推荐喜欢的Item的相似的Item
胖哥真不错·2022-12-05 09:28

推荐系统的发展与简单回顾

“本文结合百度和支付宝两段推荐系统相关的实习经历，针对工业界的模型发展做了简单梳理与回顾,涵盖表示学习，深度学习，强化学习知识图谱以及多任务学习”表示学习和深度学习在推荐系统中的应用是目前工业界比较成熟的
夕小瑶·2022-12-05 07:57

Github星标超3k的推荐系统入门资料合集（含教程、论文、代码、数据）

本篇文章是对公众号《机器学习与推荐算法》历史文章的汇总以及对干货内容的梳理，力争把最全面的干货与最完整的知识体系以最清晰的方式呈现给大家，希望大家能够精准快速地获取到自己想学习的内容，尽到一个干货推荐系统应尽的职责
夕小瑶·2022-12-05 07:57

推荐系统中的对抗机器学习技术总结

由于出色的特征表示能力和数据拟合能力，深度学习模型已经席卷机器学习应用的各个子领域，比如计算机视觉、自然语言处理、网络科学、推荐系统等。
文文学霸·2022-12-05 07:44

推荐系统中模型自适应相关技术梳理总结

©作者｜范欣妍机构｜中国人民大学高瓴人工智能学院研究方向｜推荐系统本文介绍的是推荐系统中模型自适应的相关技术。
文文学霸·2022-12-05 07:44

工业界深度推荐系统与CTR预估必读的论文汇总

导读：本文主要根据Google推出的引领推荐系统与CTR预估工业界潮流至今的一大神作W&D[1]，所总结出来的深度推荐系统与CTR预估工业界必读的论文汇总。
文文学霸·2022-12-05 07:43

WSDM‘23 推荐系统论文梳理

之前把2022年已公布的推荐系统相关顶会梳理一遍，历史推荐系统顶会论文梳理系列文章可以参考公众号或知乎，快捷合辑详见《2022推荐系统顶会论文梳理系列》。
AI算法札记·2022-12-05 07:40
上一页 67 68 69 70 71 72 73 74 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他