随笔分类 -  蚂蚁学python-推荐系列

https://space.bilibili.com/61036655/search/video?keyword=%E6%8E%A8%E8%8D%90
18 【实战】推荐系统依赖的数据源和特征工程
摘要：业务数据库->模型训练 前端埋点日志->模型预估 外部数据->统计报表输出 归一化：变换到0-1之间 分箱处理：分为不同阶段 one-hot:用于简单词语的分类 0，1分别对应nannv tf-idf:用于关键词对应 行为的id列表：embedding向量化 阅读全文
posted @ 2022-12-19 16:43 Trouvaille_fighting 阅读(46) 评论(0) 推荐(0) 编辑
17【实战】Python使用Faiss实现向量近邻搜索
摘要：1. windows安装faiss 只能安装cpu版本 conda install faiss-cpu -c pytorch 安装不上就换源 找到这个文件.condarc 替换为以下代码 channels: - https://mirrors.tuna.tsinghua.edu.cn/anacond 阅读全文
posted @ 2022-12-19 15:36 Trouvaille_fighting 阅读(435) 评论(0) 推荐(0) 编辑
14 解决物品冷启动的问题
摘要：![image](https://img2023.cnblogs.com/blog/2520904/202212/2520904-20221216104432997-1973856289.png) ![image](https://img2023.cnblogs.com/blog/2520904/202212/2520904-20221216104834073-1160625642.png) ![ 阅读全文
posted @ 2022-12-16 11:02 Trouvaille_fighting 阅读(35) 评论(0) 推荐(0) 编辑
12 实现用户聚类推荐
摘要：用户聚类结果：key-用户ID,value-聚类数字 将用户聚类结果结合历史日志生成热榜记录 将计算结果缓存：正排列表存用户ID和聚类数字，倒排列表存聚类数字和推荐ITEM列表 在线服务：由用户ID查找聚类数字，找到对应的列表 阅读全文
posted @ 2022-12-16 10:42 Trouvaille_fighting 阅读(40) 评论(0) 推荐(0) 编辑
13 推荐系统API接口
摘要：![image](https://img2023.cnblogs.com/blog/2520904/202212/2520904-20221215095553524-492811013.png) ![image](https://img2023.cnblogs.com/blog/2520904/202212/2520904-20221215095746970-1322294019.png) 阅读全文
posted @ 2022-12-15 10:00 Trouvaille_fighting 阅读(51) 评论(0) 推荐(0) 编辑
11 实现矩阵分解的推荐
摘要：u2i由用户向量*物品向量得到 i2i由物品向量*物品向量得到 阅读全文
posted @ 2022-12-15 09:53 Trouvaille_fighting 阅读(16) 评论(0) 推荐(0) 编辑
10 实现内容相似推荐
摘要：内容获取(存储MySQL)-进行分词（TF-IDF）-语义拓展-生成每篇文章的向量（出现对应的词及拓展的词就是1）-每篇文章最相似的topN的文章-缓存-提供服务 看github案例 中文的词库:ai.tencent.com/ailab/nlp/embedding.html 数据量小用提取关键词后可 阅读全文
posted @ 2022-12-15 09:33 Trouvaille_fighting 阅读(39) 评论(0) 推荐(0) 编辑
9 推荐系统的AB测试
摘要：![image](https://img2023.cnblogs.com/blog/2520904/202212/2520904-20221214203943862-123321585.png) ![image](https://img2023.cnblogs.com/blog/2520904/202212/2520904-20221214204520950-645827210.png) ![im 阅读全文
posted @ 2022-12-14 21:09 Trouvaille_fighting 阅读(59) 评论(0) 推荐(0) 编辑
8 多路召回的融合排序
摘要：融合排序：将多种召回排序的列表进行融合为一个列表 阅读全文
posted @ 2022-12-14 18:21 Trouvaille_fighting 阅读(450) 评论(0) 推荐(0) 编辑
7 实现基于协同过滤的推荐系统
摘要：u2u2i:u1,u2,u4都喜欢l1,l2,他们相似。u2,u4都喜欢l4,就向u1推荐l4。 u2i2i:u2,u4表示喜欢l2的也喜欢l3,所以u1喜欢l2的推荐给他l3。 阅读全文
posted @ 2022-12-14 18:12 Trouvaille_fighting 阅读(40) 评论(0) 推荐(0) 编辑
6 实现基于内容的推荐系统
摘要：给物品找一个特征，得到一个向量 根据用户的偏好，得到一个向量 求两个向量的相似度，得到topN物品 阅读全文
posted @ 2022-12-14 17:38 Trouvaille_fighting 阅读(23) 评论(0) 推荐(0) 编辑
5 推荐系统通用技术架构
摘要：![image](https://img2023.cnblogs.com/blog/2520904/202212/2520904-20221214170613553-2007047205.png) 阅读全文
posted @ 2022-12-14 17:11 Trouvaille_fighting 阅读(42) 评论(0) 推荐(0) 编辑
4 Netflix经典推荐系统框架
摘要：![image](https://img2023.cnblogs.com/blog/2520904/202212/2520904-20221214170406802-833468887.png) 阅读全文
posted @ 2022-12-14 17:05 Trouvaille_fighting 阅读(64) 评论(0) 推荐(0) 编辑
3 推荐系统的召回路径
摘要：U tag I 都表示结点，2表示边 i2i: 一个物品和另一个物品的相似度 内容相似:取标题的关键字的相似度，推荐标题相似的文章 基于行为->协同过滤、关联规则：发现ItemX和ItemY经常一起看，看过ItemX就推荐ItemY u2i:用户的直接行为推荐 u2i2i:两种方式结合 u2u2i: 阅读全文
posted @ 2022-12-14 12:40 Trouvaille_fighting 阅读(47) 评论(0) 推荐(0) 编辑
2 推荐系统包含哪些环节
摘要：召回： 降低数量级、选取与用户直接相关/间接相关的粗略相关的内容 排序：喜欢/不喜欢对应二分类的问题，按照概率进行排列，已经是精确的个性化了 调整：进一步细节优化 数据量不多的话，可以直接抛给排序阶段对数据进行排序，效果也不错 阅读全文
posted @ 2022-12-14 11:43 Trouvaille_fighting 阅读(35) 评论(0) 推荐(0) 编辑
1 推荐系统的介绍
摘要：一、推荐系统是什么 定义：根据用户的历史信息和行为，向用户推荐他感兴趣的内容 方法： 用户1喜欢钢铁侠，绿巨人与钢铁侠近，推荐绿巨人 用户1与用户3相近，将用户3喜欢的蝙蝠侠推荐给用户1 根据用户看过的内容，依据内容的标签，推荐具有相同内容标签的电影和课程 推荐系统解决了什么问题 阅读全文
posted @ 2022-12-14 11:00 Trouvaille_fighting 阅读(40) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示