推荐系统(Recommender Systems)学习笔记
发布网友
发布时间：2024-09-25 21:41
共1个回答
热心网友
时间：2024-10-03 09:17
最近在实习期间，我有幸接触到了推荐系统，鉴于之前对该领域的了解有限，我决定创建一个笔记，详细记录我的学习心得。笔记中主要涉及深度学习，并包含部分代码示例。主要以图神经网络（GNN）模型为主，欢迎大家在评论区进行讨论，我会持续更新内容。
推荐系统：它的核心是根据用户的需求和特性，从庞大的数据中挖掘出用户可能感兴趣的项目。可以将其形象地比喻为一个导购系统，根据用户的信息为其推荐相应项目。推荐系统应用非常广泛，包括视频推荐（如B站、抖音）、商品推荐（如淘宝、京东、拼多多）、内容推荐（如知乎、小红书、微博、今日头条）等。
推荐系统的主要过程包括：离线训练、召回、粗排、精排、重排等。其目的是从数百万甚至数十亿的项目中筛选出几十个最终用于推荐的项目。在这个过程中，被筛选淘汰的项目涉及到负样本的概念，我将在后续内容中重点讲解。
1. 传统推荐方法：相对于其他任务，推荐系统的一个显著特点是特征具有明显的稀疏特性，这是解决的重点。最初，提出了经典的方法，如Factorization Machine (FM)，模型非常简单，在此基础上衍生出许多优秀的推荐算法，例如DeepFM。通过Python开源库【Surprise】可以快速实现上述算法。
2. 深度学习方法（非GNN）
3. 模型评价指标
2022年6月6日更新：对Section 1进行了更新，调整了笔记的整体结构，新增了因子分解机等学习内容及实习方法，并增加了模型评价指标。
热心网友
时间：2024-10-03 09:23
最近在实习期间，我有幸接触到了推荐系统，鉴于之前对该领域的了解有限，我决定创建一个笔记，详细记录我的学习心得。笔记中主要涉及深度学习，并包含部分代码示例。主要以图神经网络（GNN）模型为主，欢迎大家在评论区进行讨论，我会持续更新内容。
推荐系统：它的核心是根据用户的需求和特性，从庞大的数据中挖掘出用户可能感兴趣的项目。可以将其形象地比喻为一个导购系统，根据用户的信息为其推荐相应项目。推荐系统应用非常广泛，包括视频推荐（如B站、抖音）、商品推荐（如淘宝、京东、拼多多）、内容推荐（如知乎、小红书、微博、今日头条）等。
推荐系统的主要过程包括：离线训练、召回、粗排、精排、重排等。其目的是从数百万甚至数十亿的项目中筛选出几十个最终用于推荐的项目。在这个过程中，被筛选淘汰的项目涉及到负样本的概念，我将在后续内容中重点讲解。
1. 传统推荐方法：相对于其他任务，推荐系统的一个显著特点是特征具有明显的稀疏特性，这是解决的重点。最初，提出了经典的方法，如Factorization Machine (FM)，模型非常简单，在此基础上衍生出许多优秀的推荐算法，例如DeepFM。通过Python开源库【Surprise】可以快速实现上述算法。
2. 深度学习方法（非GNN）
3. 模型评价指标
2022年6月6日更新：对Section 1进行了更新，调整了笔记的整体结构，新增了因子分解机等学习内容及实习方法，并增加了模型评价指标。
