Rank
将用户和物品的特征进行线性组合,并引入二次项来捕捉特征之间的交互关系
Recall
将用户行为矩阵分解为两个矩阵的乘积,通过用户向量和物品向量的内积来表示用户对物品的偏好
基于用户的协同过滤算法根据用户对物品的偏好,计算用户与其他用户的相似度,根据用户的相似度,推荐与用户兴趣相似的物品。基于物品的协同过滤算法根据物品之间的相似度,推荐与用户之前喜欢的物品相似的物品
datafountain
基于中国联通的大数据能力,通过使用对联通的信令数据、通话数据、互联网行为等数据进行建模,对个人是否会返乡工作进行判断
recsys
将FM算法和深度学习结合,捕捉特征之间的交互关系和高阶特征
将协同过滤和深度学习结合,捕捉用户和物品的隐式联系和高阶特征
kaggle
一个MNIST扩展的比赛,识别的不再是阿拉伯数字,而是Kannada数字
通过门控网络来学习多个专家模型的权重,提高模型的多任务学习能力
通过多任务学习,同时学习ctr和cvr,在完整样本空间上进行训练,避免了传统CVR模型经常遭遇的样本选择偏差和训练数据稀疏的问题