1 。推薦一般分為match和rank.
match階段採用了word2vec思想。關鍵的一點要理解vedio vector的權重在**。
在softmax那一步驟，比如user vector是100維，video vector是100w維。則需要乙個100*100w的矩陣，這個矩陣的權重就是video vector。 這個框架通過訓練在100w維中只有乙個為1，其餘都是為0，來訓練矩陣權重以及user vector的100維度的向量。
每個user vector和video vector是相同的維度，100w個video的話，也就是有100*100w個權重
2.。 由於100w維度太大，這裡也借鑑了word2vec的思想，採用負取樣。可以採用trick，比如只負取樣同乙個城市的樣本，只負取樣同類別的資料
天貓推薦系統 框架
過去的首頁推薦更多的是在相關性推薦的單一資料目標上進行優化，如今天貓首頁的推薦系統不僅僅考慮推薦結果的相關性，還在推薦結果的發現性 多樣性等方面上做了更深度的優化，效率和體驗並重 成為天貓首頁新的優化目標。graph embedding transformer 深度學習 知識圖譜等新的技術已先後在天...
chp1 推薦系統框架
一 背景介紹二 主要內容 1 使用者滿意性 首當其衝的，推薦系統主要就是為了滿足使用者的需求，因此準確率是評判乙個推薦系統好壞的最關鍵指標。2 多樣性 雖然推薦系統最主要還是滿足使用者的興趣，但是也要兼顧內容的多樣性，對於權重不同的興趣都要做到兼顧。3 新穎性 使用者看到的內容是那些他們之前沒有聽說...
推薦系統中的排序學習框架
排序學習 learning to rank，ltr 也稱 機器排序學習 machine learned ranking，mlr 就是使用機器學習的技術解決排序問題。自從機器學習的思想逐步滲透到資訊檢索等領域之後，如何利用機器學習來提公升資訊檢索的效能水平變成了近些年來非常熱門的研究話題，因此產生了各...