推荐系统基础学习笔记
关注
分享
扫一扫
文章平均质量分 88
这个专栏，用来复现与整理基础的推荐系统发展过程，及相关主要论文。算是重温下基础知识
只想做个咸鱼
主要从事推荐系统领域的学习，相关知识会陆续更新，尽情期待（在读研究生）
展开
-
MAML:User Diverse Preference Modeling by Multimodal AttentiveMetric Learning
MAML和CML之间的唯一区别是前者通过使用注意力机制来模拟用户的不同偏好。原创 2022-12-04 16:40:46 · 1099 阅读 · 0 评论 -
AFM模型原理及Pytorch代码复现
解决的痛点问题是各个特征交叉之后的embedding向量被同等看待，赋予对预测相同重要性的问题，原创 2022-09-14 17:31:14 · 1615 阅读 · 0 评论 -
NFM(Neural Factorization Machines)：模型原理及pytorch代码实现
NFM的核心创新点是Bi-Interaction池化部分来代替其他模型使用的拼接。原创 2022-09-14 11:11:05 · 2920 阅读 · 4 评论 -
DeepFM： Deep+FM的pytorch实现
DeepFM的运算过程也比较简单， 左边的FM和右边的DNN共享相同的Embedding层的输入， 左侧的FM对不同特征域的Embedding进行了两两交叉（这里的Embedding向量当成了原FM的特征隐向量）， 右边的DNN对特征Embedding进行了深度交叉， 最后将FM的输出与Deep部分的输出一起送入最后的输出层，参与最后的目标拟合原创 2022-09-01 22:10:38 · 2813 阅读 · 2 评论 -
Deep&Cross（DCN）模型及torch实现
用一个Cross Network替换掉了Wide部分，来自动进行特征之间的交叉，并且网络的时间和空间复杂度都是线性的。原创 2022-08-31 22:11:17 · 2536 阅读 · 0 评论 -
Wide&Deep模型
该模型提出的动机以及记忆和泛化能力， 然后介绍该模型的结构原理 ，pytorch复现该模型在cretio数据集上完成推荐任务。原创 2022-08-31 17:16:30 · 681 阅读 · 0 评论 -
PNN(Product-based Neural Network)：模型学习及torch复现
PNN模型定义的内积和外积操作显然更有针对性的强调了不同特征之间的交互， 从而让模型更容易捕获特征的交叉信息原创 2022-08-30 22:13:20 · 1575 阅读 · 0 评论 -
NeuralCF模型
利用不同的互操作进行特征的交叉组合， 并可以灵活进行不同互操作层的拼接。原创 2022-08-30 17:19:38 · 2135 阅读 · 0 评论 -
DeepCrossing模型
在传统神经网络的基础上加入了embedding， 残差连接等思想， 且结构比较简单。原创 2022-08-27 13:00:22 · 766 阅读 · 0 评论 -
AutoRec模型结构详解
模型的输出存储了所有数据向量的“精华”。经过自编码器生成的输出向量， 经过了自编码器的“泛化”过程， 具备了一定的缺失维度的预测能力， 这也是自编码器能用于推荐系统的原因。原创 2022-08-24 20:22:48 · 1077 阅读 · 0 评论 -
FFM（Field-aware Factorization Machines）
相比于FM模型， FFM模型引入了特征域感知(filed-aware) 这个概念， 使得模型的表达能力更强。原创 2022-08-18 22:17:20 · 4621 阅读 · 0 评论 -
Factorization Machines（FM）：发展过程、原理及实现
FM主要是解决稀疏数据下的特征组合问题，并且其预测的复杂度是线性的，对于连续和离散特征有较好的通用性。原创 2022-08-17 11:58:13 · 915 阅读 · 0 评论 -
融合多种特征的推荐模型 逻辑回归模型与GBDT+LR
适合处理海量id类特征、自动进行多维度的特征组合的过程原创 2022-08-11 22:14:05 · 2275 阅读 · 0 评论 -
矩阵分解（MF）：MATRIXFACTORIZATIONTECHNIQUES FORRECOMMENDERSYSTEMS
可以通过分解协同过滤的共现矩阵来得到用户和物品的隐向量，解决了稀疏性的问题，进一步提高推荐的效果原创 2022-08-10 22:54:17 · 1535 阅读 · 2 评论 -
协同过滤（Collaborative Filtering）：UserCF and Item CF
基于用户的协同过滤算法(UserCF): 给用户推荐和他兴趣相似的其他用户喜欢的产品基于物品的协同过滤算法(ItemCF): 给用户推荐和他之前喜欢的物品相似的物品协同过滤算法是指对海量的信息进行过滤，从中筛选出目标用户可能感兴趣的信息这么一个推荐过程......原创 2022-08-09 22:35:39 · 1400 阅读 · 0 评论