SVDFeature

最新推荐文章于 2024-05-12 11:30:04 发布
原创 最新推荐文章于 2024-05-12 11:30:04 发布 · 4.2k 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#推荐系统

SVDFeature是一款由上海交通大学APEX实验室开发的推荐系统工具包，支持基于特征的矩阵分解框架，可轻松集成多种特征（如邻居特征和时间特征）。它曾获得KDDCup'11Track1单模型最佳成绩。SVDFeature采用随机梯度下降进行训练，并通过预取策略优化大规模数据集上的性能。

　　SVDFeature 是由上海交大Apex Data & Knowledge Management Lab(APEX)开发的一个推荐系统工具包。他们提出了一种基于feature 的矩阵分解的框架。SVDFeature使设计推荐算法变得非常简单，只需在此框架内增加一些新的feature(如neighborhood特征、时间特征等)。SVDFeature 曾在KDDCup’11 track 1中取得单模型的最好成绩。

SVDFeature 模型如下

Model

这里写图片描述

公式１

其中α表示用户特征，β表示商品特征，γ表示全局特征

Active fun

最低0.47元/天 解锁文章
LDA 主题模型
chenshulong的博客
01-13 5976
背景我们生活中总是产生大量的文本，分析这些观察到的语料库是如何生成的就需要对文本进行建模。常见的文本建模方法包括：Unigram、PLSA、LDA 、词向量模型（CBOW、Skip-gram）等。LDA模型是一种主题模型（topic model），属于词袋（不关心词与词之间的次序）模型。模型描述人类所产生的所有语料文本我们都可以看成是上帝抛骰子生成的。我们观察到的只是上帝玩这个游戏的结果——词序列构
机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用
weixin_33854644的博客
01-19 9552
版权声明： 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com。也可以加我的微博: @leftnoteasy 前言： 上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去...
SVDfeature建模
06-23
源自上海交大APEX数据和知识管理实验室
SVDFeature：A Toolkit for Feature-based Collaborative Filtering and Ranking
weixin_30646505的博客
07-18 330
Project Description Collaborative filtering is among the most promising approaches to recommender system. In real world scenarios, many types of auxiliary information are available besides the user p...
推荐系统学习03-SVDFeature
Lenskit
04-04 9788
介绍：   SVDFeature是由Apex Data & Knowledge Management Lab在KDD CUP11竞赛中开发出来的工具包。它的目的是有效地解决基于特征的矩阵分解。新的模型可以只通过定义新的特征来实现。这种基于特征的设置允许我们把很多信息包含在模型中，使得模型更加与时俱进。使用此工具包，可以很容易的把其他信息整合进模型，比如时间动态，领域关系和分层信息。
java1.7源码-FeatureBasedSVD_2014_written:Java实现的SVDFeature算法，这套代码在2014CCF
05-19
Java实现的SVDFeature算法，这套代码在没有使用多model ensemble的情况下，在2014CCF中国大数据技术创新大赛-多媒体展示广告点击率预估比赛中预测结果排名全国第7。 算法出处： Chen T, Zhang W, Lu Q, et al. ...
svd++
overstack的专栏
05-31 7223
SVD++ refers to a matrix factorization model which makes use of implicit feedback information. In general, implicit feedback can refer to any kinds of users' history information that can help indi
解析SVD
u013363719的专栏
04-09 808
edited by Smile Lee
【读书笔记】推荐系统实践·第三章·推荐系统冷启动问题
weixin_39655021的博客
06-28 539
第三章没有太多代码方面的介绍，基本都是原理。其中有一个LDA模型，书里没有详细介绍，自己查了一下。 笔记的word版、之前和以后的代码放在https://github.com/littlelittlefei/recommendsystem。计算机小白，代码比较幼稚。 关于LDA的内容大量参考了https://blog.youkuaiyun.com/chenshulong/article/details/7...
马尔可夫链
chenshulong的博客
12-26 4799
背景 马尔科夫性 定义 设 X(t),t∈T{X(t),t \in T} 是一个随机过程，如果 X(t),t∈T{X(t),t \in T} 在 t0t_{0} 时刻所处的状态已知，它在时刻 t>t0t>t_{0} 所处的状态的条件分布于其在 t0t_{0} 之前所处的状态无关。 通俗地说，就是在知道过程现在的条件下，其将来的条件分布不依赖于过去，则称 随机过程 X(t),t∈T{X(t
常见的推荐系统框架
最新发布
leeshuqing的专栏
05-12 1214
TagRec是一个使用Java编写的简单通用标签（Tag）推荐器模块，还同时提供了包含处理数据集的算法（如p核修剪、留一或80/20分割、LDA主题创建和为其他推荐算法创建输入文件等）。CaseRecommender是一个基于Python的开源推荐系统算法模块，提供了很多流行推荐算法的Python实现，用于隐式和显式反馈。
TOP 10开源的推荐系统简介
ankualiao5815的博客
05-16 2811
最近这两年推荐系统特别火，本文搜集整理了一些比较好的开源推荐系统，即有轻量级的适用于做研究的SVDFeature、LibMF、LibFM等，也有重量级的适用于工业系统的 Mahout、Oryx、EasyRecd等，供大家参考。PS：这里的top 10仅代表个人观点。 #1.SVDFeature 主页：http://t.cn/zYRn...
TOP 10 开源的推荐系统简介
zijian3302的专栏
05-03 1777
最 近这两年推荐系统特别火，本文搜集整理了一些比较好的开源推荐系统，即有轻量级的适用于做研究的SVDFeature、LibMF、LibFM等，也有重 量级的适用于工业系统的 Mahout、Oryx、EasyRecd等，供大家参考。PS：这里的top 10仅代表个人观点。 #1.SVDFeature 主页：http://svdfeature.apexlab.org/wiki/Ma
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值