一、基于图模型的推荐 在不考虑标签时，基于二项图有两种随机游走的图推荐算法： 1.probability spreading 随机游走算法，在游走中，每个目标得到权重是基于归属者的边计算出来的。 每次传播(item->user->item)后用户Ui的兴趣向量 ...

一、 标签系统 标签是一种无层次化结构、 用来描述信息的关键词， 可以作为物品的元信息。 利用标签可以更好地组织和推荐物品。根据解决的问题， 可以将标签系统分为两种：1. 根据 Item 的标签为用户推荐 Item；2. 在用户打标签时， 推荐合适的 Item 的标签； 二、 标签算法及优化 ...

1、基于人口统计学的推荐 用户画像 2、基于内容的推荐 相似度计算 基于内容的推荐算法 基于内容推荐系统的高层次结构 特征工程 数值型特征处理 归一化 离散化 类别型特征处理 时间型特征处理 ...

方法： 1.强化学习 用户是否点击一系列广告可以看成是一个序列过程，那么推荐广告就是一个序列决策过程。那么是否可以用强化学习来实现广告推荐。基本模型为：Deep Q-learning和LSTM的组合 强化学习的好处是： a、在线学习。对于新用户，我们不知道他的喜好，通过不断的推荐后 ...

原文链接：https://www.cnblogs.com/zhangyang520/p/10969951.html 参考回答： 推荐算法： 基于人口学的推荐、基于内容的推荐、基于用户的协同过滤推荐、基于项目的协同过滤推荐、基于模型的协同过滤推荐 ...

一、基于内容推荐 基于内容的推荐（Content-based Recommendation）是信息过滤技术的延续与发展，它是建立在项目的内容信息上作出推荐的，而不需要依据用户对项目的评价意见，更多地需要用机 器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。在基于内容的推荐系统中，项目 ...

1. LR介绍   逻辑回归（logistics regression）作为广义线性模型的一种，它的假设是因变量y服从伯努利分布。那么在点击率预估这个问题上，“点击”这个事件是否发生就是模型的因变量 ...

转眼就到年关了，这里想认真总结下半年基于标签的个性化推荐项目的得与失。 一方面记录下我们使用标签算法遇到的问题和解决方式，还有一方面也和各位分享下过程中做过的那些事儿和踩过的那些坑。 1.事情由来 我们组负责的是优酷、土豆的全部的个性化推荐模块。当前覆盖无线 ...