推荐系统
关注
分享
扫一扫
y hat
这个作者很懒，什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
阿里DIEN： Deep Interest Evolution Network for Click-Through Rate Prediction
原创 2021-11-18 16:31:44 · 341 阅读 · 0 评论 -
阿里DIN:Deep Interest Network for Click-Through Rate Prediction
原创 2021-11-17 16:54:15 · 108 阅读 · 0 评论 -
阿里BST：Behavior Sequence Transformer for E-commerce Recommendation in Alibaba
原创 2021-11-03 14:54:39 · 269 阅读 · 0 评论 -
《Deep Neural Networks for YouTube Recommendations》论文笔记
原创 2021-10-27 14:45:54 · 133 阅读 · 0 评论 -
《DeepFM: A Factorization-Machine based Neural Network for CTR Prediction》论文笔记
原创 2021-10-27 14:43:56 · 158 阅读 · 0 评论 -
《Graph Learning Approaches to Recommender Systems: A review》论文笔记
原创 2021-09-09 18:14:47 · 150 阅读 · 0 评论 -
《A review on deep learning for recommender systems: challenges and remedies》论文笔记
原创 2021-09-07 13:42:52 · 148 阅读 · 0 评论 -
理解基于协同过滤的推荐系统（附代码）
下为实现代码：def standEst(dataMat, user, simMeas, item): n=shape(dataMat)[1] #0为行，1为列，dataMat的列数,行为用户，列为物品，得到了物品数 simTotal=0.0 ratSimTotal=0.0 for j in range(n): userRating = dataMat[user,j] #第user个用户对第j个..原创 2021-08-29 18:47:45 · 613 阅读 · 0 评论