技术
  • Embedding 在大厂推荐场景中的工程化实践 by : 八月 23, 2019

    上一篇文章我们提到 Embedding 的源头、原理、以及在推荐系统场景下常用的几种延伸方法,这篇文章则通过解读 YouTube、Airbnb、Alibaba 的三篇经典论文,来总结 Embedding 在工业界的一些用法和技巧,这三篇论文...

    阅读全文 »
  • 推荐系统的中 Embedding 的应用实践 by : 七月 29, 2019

    自 Embedding 的概念问世以来,Embedding 的探索和应用就没有停止过,Word2Vec、Sentence2Vec、Doc2Vec、Item2Vec,甚至 Everything2Vec。对,“万物皆可 Embedding”。几...

    阅读全文 »
  • 推荐系统中的排序学习 by : 六月 18, 2019

    排序学习(Learning to Rank,LTR),也称机器排序学习(Machine-learned Ranking,MLR) ,就是使用机器学习的技术解决排序问题。自从机器学习的思想逐步渗透到信息检索等领域之后,如何利用机器学习来提升信...

    阅读全文 »
  • Python 实现经典 LeetCode 算法题:链表 by : 五月 14, 2019

    链表(LikedList)是线性表(Linear List)的一种,是一种非常常见数据结构,链表通过指针将一组零散的内存块串联在一起,通过不同的串联方式形成不同类型的链表结构,最常见有单链表、双链表和循环链表。 基础知识要点 链表的类型...

    阅读全文 »
  • 基于矩阵分解的推荐算法 by : 三月 30, 2019

    简介 推荐领域的人一般都会听说过十年前 Netflix Prize 的那场比赛,这一年可以说是推荐算法的春天,从比赛中诞生了众多推荐算法,而矩阵分解就是其中非常著名的一个。矩阵分解(Matrix Factorization,MF)是协同过...

    阅读全文 »
  • 基于协同的推荐算法 by : 三月 14, 2019

    简介 协同过滤(Collaborative filtering,CF)与基于内容的推荐算法一样,也是一个非常古老的推荐算法。但是直至今日,协同过滤依然是应用最广泛的推荐算法,在推荐领域占有极其重要的地位,甚至 “协同过滤” 一度成为推荐系...

    阅读全文 »
  • 文本内容分析算法 by : 二月 16, 2019

    内容分析通常包括文本分析,图片分析和视频分析。本文是《基于内容的推荐算法》单独整理的一篇内容,因最常见到的还是文本的分析,本篇主讲文本分析。文本分析在推荐系统中一个很重要的作用是用户兴趣建模,没有内容及文本标签,就无法得到用户兴趣标签。另外...

    阅读全文 »
  • 基于内容的推荐算法 by : 二月 15, 2019

    简介 基于内容的推荐算法(Content-Based Recommendations,CB)非常古老,应该是最早被使用的推荐算法,虽是一个年代久远的算法,但即便放在深度学习十分火热的当下,基于内容的推荐算法依然被工业界广泛使用,足以证明其...

    阅读全文 »
  • 工业界推荐系统的评测标准 by : 一月 27, 2019

    综述 推荐系统是一个有着诸多复杂因素联动起作用的系统,从诞生到成熟,推荐系统本身就带着很多不确定性。因此,推荐系统在研发完成后,作为技术人员的我们并不是马上就结束了战斗,在往后的日子里,我们必须时时刻刻地知道它当前的状态好不好,在整体环境...

    阅读全文 »
  • Pandas 速查:数据选择 by : 十一月 30, 2018

    Pandas 中数据选择是非常常用且非常重要的基础操作,但是 Pandas 中提供的方法较多且应用灵活,很容易让初学者搞混,尤其是条件筛选或者进行一些局部计算赋值的操作,还是具有一定的技巧性。本文总结了一些数据选择方法,包括基础选择和条件选...

    阅读全文 »