应用综述 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，这三篇论文亮点众多，提供的经验非常值得我们去细细品味和借鉴。这篇文章篇幅较多，几乎把三篇论文的重要内容都进行了解读和总...
表示学习
「表示学习」相关文章列表
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”。几年来，Embedding 在推荐系统中的应用也越来越多，方式众多，技法新颖。 在之前的文章中，《文本内容分析算法》和 ...
简介 内容分析通常包括文本分析，图片分析和视频分析等。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，另外通过内容理解和特征提取，文本分析还可以直接帮助内容推荐，也可辅助生成频道内容，因此文本内容分析算法在基于内容的推荐系统中非常重要，尤其是新闻资讯类应用。...
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，足以证明其具有不可替代的优势，也经受了时间的检验。 基于内容的推荐系统是利用物品的内容信息来进行推荐的一种方法，最早主要是应用在...