推荐系统论文之序列推荐：KERL
。但是这些工作仅专注于所推荐商品的局部收益，并未考虑该商品对于序列长期的影响。 强化学习（RL）通过最大化长期回 ...
原文：（译）序列推荐系统：挑战，进程与发展
摘要 在近几年，序列推荐系统 SRSs 的新兴主题已经吸引了越来越多的注意。传统的推荐系统使用协同过滤和基于内容的过滤，与之不同的是，序列推荐系统试图去理解和构建一个序列模型，这个序列中包括了使用者行为习惯，用户与商品的交互，用户偏好的发展，商品流行的时间。序列推荐系统包含了以上几个方面，以便更加精确地描述用户的信息 意图和目标以及商品的消费趋势等特征，从而进行更加准确 个性化和动态地推荐。在本文 ...
2019-09-07 10:59 3 1948 推荐指数：
相关推荐
itemKNN发展史----推荐系统的三篇重要的论文解读
itemKNN发展史----推荐系统的三篇重要的论文解读 本文用到的符号标识 1、Item-based CF 基本过程： 计算相似度矩阵 Cosine相似度 皮尔逊相似系数 参数聚合进行推荐 根据用户项目交互矩阵 \(A\) 计算相似度 ...
推荐系统（蒋凡译）— 第三章 基于内容的推荐
在应用协同过滤推荐技术时，除了用户评分数据，我们不需要额外的物品数据。这样的好处是避免了付出很大的代价向系统提供详细而且实时更新的物品描述信息，但是这种仅基于纯粹的协同过滤的算法却无法根据物品的特性和用户的特殊偏好来客观选择推荐物品的。 本章中，将物品的特征描述为“内容”。因为后面章节 ...
推荐系统（14）—— 快手推荐精排模型的发展史
1、参数个性化 CTR 模型 - PPNet 2019 年之前，快手 App 主要以双列的瀑布流玩法为主，用户同视频的交互与点击，观看双阶段来区分。在这种形式下， CTR 预估模型变得尤为关键，因为它将直接决定用户是否愿意点击展示给他们的视频。彼时业界主流的推荐模型还是以 DNN ...
亿级用户，腾讯看点信息流推荐系统的架构挑战
导语 | 看点信息流每天为亿级用户提供海量实时推荐服务，除了大并发/低延迟/高性能等传统架构挑战以外，还有哪些推荐系统特有的架构挑战难题，又是如何解决的？本文是对腾讯看点独立端推荐研发中心总监——彭默在云＋社区沙龙online的分享整理，希望与大家一同交流。 点击视频查看完整直播回放 ...
推荐系统（蒋凡译）— 第四章 基于知识的推荐
4.1 介绍 CF系统需要用户的评分数据作为知识源，向用户推荐商品，而不需要输入并维护其他的附加信息。基于内容的推荐系统主要应用的知识源包括类别和体裁信息，还有从文档中提取的关键词。这两种方法的优势在于能以相对较小的代价获取并维护这些知识。但是日常生活中，纯粹的CF系统会由于评分 ...
推荐系统算法的种类：一般的推荐（general recommendation）和序列化推荐（sequential recommendation）
推荐系统大致分为两类：一般的推荐（general recommendation）和序列化推荐（sequential recommendation），简单来讲，就是根据需不需要考虑时间顺序来进行划分，前者将用户偏好视为静态的，学习用户和物品的静态表示，后者认为用户偏好随时间动态变化，根据交互序列 ...
[译] SolidWorks的发展历史(1994~2007)
原文请见：http://www.cadhistory.net/toc.htm 第18章 SolidWorks 和CAD行业的其他公司一样，Solidworks的创立原自于某一个人的远见卓 ...