Viking的博客

文章目录简介因子分解机FM模型因子分解机FM的优势模型因子分解机求解CodeReference简介因子分解机将支持向量机SVM的优势结合分解模型。如SVM，因子分解机是一个通用的预测器，可以用在任意实数值向量上。但是不同于SVM，因子分解机能通过分解参数对变量之间的交互关系进行建模；即使在非常稀疏的场景下，如推荐系统，也能对交叉特征进行建模。因子分解机可以通过算式优化，在线性时间内进行应用计算；而且不同于SVM在对偶形式中求解问题，FM在原问题空间进行求解，不需要支持向量等，可以直接对模型参数进行估计。

Paper：Optimized Cost per Click in Taobao Display Advertising解决问题淘宝作为世界上最大的电商平台，每天为上百万的广告主提供十亿多在线广告曝光的机会。从商业目的上说，广告主为特定的场景和目标人群进行竞标以竞争商业流量。平台方在十毫秒内选择合适的广告进行展现曝光。常见的出价方法有cpm和cpc。实现流量和广告的精准匹配，oCPC出价，实现高转化高出价，低转化低出价；同时优化版cpc能实现平台、广告主、用户的三方共赢。传统广告系统以固定的出价来瞄

介绍CVR转化率预估过程中存在样本选择偏差和数据稀疏问题。这两个问题在阿里的上一篇论文ESMM中有提到，这里介绍一下。样本选择偏差：CVR模型建模通常使用点击后的样本post-click，或者说使用记录用户在点击后是否产生订单的数据；而模型在实际应用过程中是在整个样本空间上，用户还没有发生点击。这就导致数据有偏，不同分布。在post-click样本上建模后，在实际应用过程中并不能保证模型的准确性，而且应用模型的泛化能力。数据稀疏：在电商系统，如淘宝，用户的行为链，通常包括曝光、点击、购买，各个

@推荐系统读书笔记什么是推荐系统information overload信息过载时代： 信息爆炸。在这个时代,无论是信息消费者还是信息生产者都遇到了很大的挑战:作为信息消费者,如何从大量信息中找到自己感兴趣的信息是一件非常困难的事情;作为信息生产者,如何让自己生产的信息脱颖而出,受到广大用户的关注,也是一件非常困难的事情。推荐系统就是解决这一矛盾的重要工具。长尾理论long tail： 传...

推荐系统的目的是联系用户的兴趣和物品，这种联系需要以来不同的媒介。GroupLens在一篇文章中表示目前流行的推荐系统基本上通过3种方式联系童虎兴趣和物品。第一种方式是利用用户喜欢过的物品，给用户推荐与他喜欢过的物品相似的物品，也就是基于物品的推荐算法。第二种方式是利用和用户兴趣相似的其他用户，给用户推荐那些和他们兴趣爱好相似的其他用户的喜欢的物品，也就是基于用户的推荐算法。第三种方式是通过...

基于用户行为分析的推荐算法是个性化推荐系统的重要算法，一般将这种类型的算法称为协同过滤算法。协同过滤就是指用户可以齐心协力，通过不断地和网站互动，使自己的推荐列表能够不断过滤掉自己不感兴趣的物品，从而越来越满足自己的需求。用户行为数据简介用户行为数据在网站上最简单的存在形式就是日志。网站在运行过程中都产生大量原始日志raw log，并将其存储在文件系统中。很多互联网业务会把多种原始日志按照用户...