推荐系统中最重要的两部分是特征和模型，早期模型上没有很大突破的时候，人工特征工程是推荐系统发展的主要方向。在这里我总结一下做特征工程的思路和不同特征的处理方式。 1. 创造特征的思路 业务背景特征 在推荐系统中猜测用户是否点击内容，可以仔细分析用户从打开手机到看到推荐内容的整个过程中 ...

最近一段时间，看完了项亮大佬的《推荐系统实践》，然后开始看和实践王喆老师的新书《深度学习推荐系统》，整篇博客对自己的代码整理和知识点的回顾。在初次接触后，我对推荐系统的初印象是并不仅仅是算法的学习，还有架构和其他数据处理的知识需要掌握。 推荐系统前沿　之　协同过滤 初次接触推荐系统，看到 ...

逻辑回归（LR） 在介绍FM系列之前，我想首先简单介绍一下逻辑回归。通常来说，逻辑回归模型能够综合利用更多的信息，如用户、物品、上下文等多种不同的特征，生成更为全面的结果。另外，逻辑回归将推荐问题看成一个分类问题。通过预测正样本的概率对物品进行排序，这里的正样本可以是用户观看了某个视频，也可以是 ...

1.处理数据集：将用户行为数据集按照均匀分布随机分成M份，挑选一份作为测试集，剩下的M-1份作为训练集 2.评测指标 ①准确率和召回率 对用户u推荐N个物品（记为R(u)）,令用户u在测试集上喜欢的物品的集合为T(u)，召回率和准确率可以用来评测推荐算法的精度，计算公式 ...

什么是FM模型 FM英文全称是“Factorization Machine”，简称FM模型，中文名“因子分解机”。 FM模型其实有些年头了，是2010年由Rendle提出的，但是真正在各大厂大规模在CTR预估和推荐领域广泛使用，其实也就是最近几年的事。 FM模型 原理 ...

因子分解机系列--FM 1.FM背景 FM (Factorization Machine) 主要是为了解决数据稀疏的情况下，特征怎样组合的问题。目前主要应用于CTR预估以及推荐系统中的概率计算。下图是一个广告分类的问题，根据用户和广告位相关的特征，预测用户是否点击了广告。图片来源，详见参考 ...

FM：解决稀疏数据下的特征组合问题 Factorization Machine(因子分解机) 美团技术团队的文章，觉得写得很好啊：https://tech.meituan.com ...

一、用户行为数据 一个用户行为表示为6部分，即产生行为的用户和行为的对象、行为的种类、产生行为的上下文、行为的内容和权重。用户行为的统一表示如下： user id　　 　　　　产生行为的用户的唯一 ...