《深度学习推荐系统》——书
pdf链接：私聊一.推荐系统逻辑框架二.数据加工三.模型部分四.传统推荐模型的进化协同过滤（CF）：UserCF(寻找相同爱好的朋友),ItemCF（寻找物品之间的相似度）五.矩阵分解参考链接：https://zhuanlan.zhihu.com/p/328245767三种：特征值分解，奇异值分解，梯度下降分解矩阵类型：方阵m*m,普通m*n的实数矩阵A，互联网常用：梯度下降矩阵分解六.梯度下降法
·
pdf链接：私聊
一.推荐系统逻辑框架
二.数据加工
三.模型部分
四.传统推荐模型的进化
协同过滤（CF）：UserCF(寻找相同爱好的朋友),ItemCF（寻找物品之间的相似度）
五.矩阵分解
三种：特征值分解，奇异值分解，梯度下降分解
矩阵类型：方阵m*m,普通m*n的实数矩阵A，
互联网常用：梯度下降矩阵分解
六.梯度下降法
参考链接：深入浅出--梯度下降法及其实现 - 简书
利用在逻辑回归上，但是会丢失大量信息。
七.传统推荐模型的特点总结
八.Embedding技术应用的三个方向
九.Embedding相关技术总结
十.深度学习推荐模型的关系演化图
有“AI”的1024 = 2048，欢迎大家加入2048 AI社区
更多推荐
0
0- 0
已为社区贡献3条内容
所有评论(0)