qq_33397016的博客

摘要为改进经典推荐算法对特征工程的高依赖性以及深度学习方案因产生过多冗余信息而计算量增大的问题，Cheng等人提出了一种可以兼备记忆性以及泛化性的深度学习模型：Wide & Deep。Wide & Deep的模型结构简单，由wide 以及 deep两部分组成，在深度学习领域在推荐算法的应用中具有里程碑式的意义。1.推荐算法中的两大任务Cheng等人认为推荐算法主要需要解决两大问题：记忆性（memorization）以及泛化性（generalization）记忆性在原文中的定义为：

摘要FFM算法由Yuchin Juan等人于2016AVM大会上提出。基于FM算法提取样本交叉信息的思想，FFM引进了场（field）的概念，提出了一种粒度更细的样本交叉信息提取方法。实验结果表明，与传统的POLY2与FM等算法对比，FFM更能有效地处理稀疏数据，同时获取较高的推荐精度。1 FFM算法模型作为FM的改进版本,FFM通过引入field信息来更细致地表征样本与向量的关系。本小节将简单地对FFM模型原理，求解方法作一个梳理。1.1 引进filed信息场信息即特征所属的一个类别。 以论文

摘要在实际的应用场景中，数据的稀疏性会大大降低支持向量机（support vector machine，svm）等经典算法的预测性能。另外，传统的因式分解类算法，如矩阵分解（Matrix Factorization，MF）泛化能力弱，无法满足实际需求。为解决上述问题，Steffen Rendle提出一种基于分解思想的算法，即因子分解机（Factorization Machines，FM）。凭借出...

1. 摘要Empirical Analysis of Predictive Algorithms for Collaborative Filtering是一篇非常经典的综述性论文。这篇论文非常“古老”，里面介绍的算法并不多，因此非常适合新手入门。这篇论文通过采用四种实验策略，两种实验结果来对比协同过滤（Collaborative Filtering，CF）中常用的两类常用算法：Memory-...

摘要youtube网站所使用的推荐算法在行业中一直都非常具有借鉴意义。该文首先从youtube推荐任务所面临的难题入手，提出了一种切合youtube推荐需求的二阶网络推荐算法，具有很强的工程性意义。一. 简介YouTube的视频推荐任务只有面临以下三个问题：规模问题（scale）：推荐算法应当可以适应youtube视频库中海量的视频内容新鲜度（Freshness）：由于youtube网...