Robin_S

前言：PMF沿用了MF矩阵分解的思路，目标都是求出精确的U和V在传统MF方法中，优化目标是保证R和UV乘积的差值最小而在PMF中，R和UV的差值变成了一个高斯概率函数，通过最大后验概率MAP公式，将优化目标变成了对一个包含R和UV差值的复杂概率函数，在对其求解时来反求U和V，即反求使目标函数最大的U和V同时，在PMF中，U和V变成了参数可以被

转自：http://www.sohu.com/a/157884400_470008本文是大数据杂谈 7 月 13 日社群公开课分享整理，也是第四范式主题月的第二堂公开课内容。今天想和大家分享，如何使用大规模机器学习解决真实的业务问题。我们今天会以机器学习中的一个典型场景为例来讲解，即基于大规模机器学习模型的推荐系统。推荐系统的本质是什么？比如说我们看到手机淘宝首页，往下一拉，就能看到各种各样

1.         ACM SIGKDD数据挖掘及知识发现会议ACM SIGKDD(Special Interest Group on KnowledgeDiscovery and Data Mining)国际会议是由ACM的数据挖掘及知识发现专委会主办的数据挖掘领域的顶级年会。它涵盖了特邀主题演讲(keynote presentations)、论文口头报告(oral paper presenta

相比于较为丰富的评分的显示反馈数据集，隐式反馈数据集目前较少。相比于评分，隐式反馈对用户喜好进行建模更加困难，因为用户行为充满了不确定性；但同时也应该看到，隐式反馈提供的内容更为丰富，如浏览、注册，加购物车、购买等，这些对于实际电商中的推荐行为更加有意义，也更加有利于解决冷启动问题。Retailrocket 商品评论和推荐数据这个数据集包含了常规的用户，物品，时间戳以外，还有浏览，加购物车

异构信息网络 (Hetegeneous Information Network 以下简称 HIN），是由 UIUC 的 Han Jiawei 和 UCLA 的 Sun Yizhou 在 2011 年的 VLDB 论文中首次提出 [1]。简单地理解，HIN 就是一个有向图，图中的节点和边都可以有不同的类型，如下图，是一个从上面 Yelp 详情页抽取出来的 HIN。节点可以代表不同类型的实体，比如 u...