sslfk的博客

多目标推荐：MMOE

关于FM模型的相关知识梳理

推荐策略之als基于tensorflow2

TextVectorization的相关介绍：普通字符串如何进行快速数字化转换

tf-idf的计算方式，可以用于用户画像、物品画像的构建

资讯推荐架构

高斯衰减python实现

要求：tensorflow>2.6.0from typing import Dict, Textimport keras.layersimport tensorflow as tffrom keras import Modelimport tensorflow_recommenders as tfrs###############################模型编写###############################class RecUserModel(tf.k

下表是对应的特征处理表逻辑：keras layer中对应的处理类更加直接易于理解。例如连续性数字的离散化处理layers.Discretization字符型或无大小关系的hash桶化：layers.Hashing字符串的数字化编码处理：layers.StringLookup数字类型（无大小区分）数据的数字化编码：layers.IntegerLookup上面三个可以将输入统一化为one_hot、multi_hot或integer对于integer形式，可以再通过使用layers.Ca.

基于tensorflow recommenders快速实现推荐召回模型的训练开发

其中，白色模块为公共模块，灰色模块为灰色发布模块；绿色模块为当前线上模块

用户埋点设计：类型 说明 属性名称 事件id 前端根据每次事件生成一个全局唯一id event_id 事件时间 时间发生时的时间 event_time 用户id user_id 推荐结果 推荐对应的结果，仅当为推荐时间时使用 rec_result 点击新闻id 用户点击新闻id click_news_id 标签列表 1、对于新闻点击，对应为被点击新闻的标签 2、对于拉黑新闻

1、安装python2、pip install pyspark==2.2.13、安装java:jdk1.83、安装hadoop 2.8.2

多源多策略架构设计单源多策略设计：

1、用户特征特征名称 是否建议特征 特征处理方式 姓名 否 id 否 性别 是 onehot 年龄 是 num 兴趣 是 multi-hot 所属省 是 onehot 所属市 是 onehot 所属县 是 onehot 所属国家或地区 是 onehot 用户浏览商品 是 item_ebedding_model

中文视频 | TF Recommenders 系列视频教程TensorFlow Recommenders: Quickstart

NLP对应的算法包括：分词 词向量 句子向量 命名实体识别 意图识别预训练的模型内容查看：Models - Hugging Facetransformers工具的说明文档参考：???? Transformers著名网络博主：huggingface-Transformer学习笔记1 - 知乎Huggingface Transformers库学习笔记（一）：入门（Get started）_u011426236的博客-优快云博客_huggingface transformers入门.