我的机器学习入门之路（下）——知识图谱、推荐、广告

继上一篇《我的机器学习入门之路（中）——深度学习(自然语言处理)》，这一篇博客主要记录了我对知识图谱、推荐和广告等方向的一些涉猎与基础学习。

一、知识图谱

从自然语言处理到知识图谱，是一个很自然和直接的应用。知识图谱的内容非常多，因为没有做过相应的项目，所以我也只是学习和了解为主。主要包括两部分：理论学习、实践教程。

1、理论学习部分

什么是知识图谱？：https://mp.weixin.qq.com/s/XgKvh63wgEe-CR9bchp03Q

一个不错的知识图谱入门系列教程：http://pelhans.com/2018/03/15/xiaoxiangkg-note1/

为什么需要知识图谱？什么是知识图谱？：https://blog.csdn.net/u011801161/article/details/78733954

NLP 与知识图谱的对接：https://zhuanlan.zhihu.com/p/26295332

2、实践相关

项目实战：如何构建知识图谱：https://mp.weixin.qq.com/s/cL1aKdu8ig8-ocOPirXk2w

美团大脑：知识图谱的建模方法及其应用：https://tech.meituan.com/2018/11/01/meituan-ai-nlp.html

二、推荐系统

首先推荐看一本书：项亮的《推荐系统实践》，看完可以对推荐系统有一个比较全面的认识和了解。

推荐一般可分为召回和排序两个阶段，在入门之后，就可以开始分别学习一些经典的模型与方法了。

1、召回

推荐系统中的召回算法－－协同过滤：https://blog.csdn.net/weixin_41362649/article/details/89055808

推荐系统召回四模型之：全能的FM模型：https://zhuanlan.zhihu.com/p/58160982

推荐系统召回四模型之二：沉重的FFM模型：https://zhuanlan.zhihu.com/p/59528983

2、排序

学习排序 Learning to Rank：从 pointwise 和 pairwise 到 listwise，经典模型与优缺点：https://blog.csdn.net/lipengcn/article/details/80373744

机器学习算法-L2R进一步了解：https://jiayi797.github.io/2017/09/25/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95-L2R%E8%BF%9B%E4%B8%80%E6%AD%A5%E4%BA%86%E8%A7%A3/

浅谈Learning to Rank中的RankNet和LambdaRank算法：https://zhuanlan.zhihu.com/p/68682607

Deep Neural Network for YouTube Recommendation论文精读：https://zhuanlan.zhihu.com/p/25343518

简单易学的深度学习算法——Wide & Deep Learning：https://blog.csdn.net/google19890102/article/details/78171283

推荐系统资料集合链接：https://www.jianshu.com/p/2b1246858e6f

3、冷启动问题

推荐系统理论(三) -- 冷启动问题：https://www.jianshu.com/p/62e5171c85bc

4、其它

推荐系统从入门到接着入门：https://zhuanlan.zhihu.com/p/27502172

21天搭建推荐系统：实现“千人千面”个性化推荐：https://yq.aliyun.com/articles/39629

知乎推荐页 Ranking 构建历程和经验分享：https://www.infoq.cn/article/g95hu67a4WheikGu*w9K

推荐系统--完整的架构设计和算法(协同过滤、隐语义)：https://juejin.im/post/5d75ad14f265da03c02c2827

今日头条推荐算法原理全文详解：https://lusongsong.com/info/post/9829.html

三、广告

主要是CTR预估的一些资源

广告点击率预估是怎么回事？：https://zhuanlan.zhihu.com/p/23499698

传统ctr预估：https://hxhlwf.github.io/posts/dl-traditional-ctr-models.html

基于深度学习的ctr预估模型集合：https://daiwk.github.io/posts/dl-dl-ctr-models.html

主流CTR预估模型的演化及对比：https://zhuanlan.zhihu.com/p/35465875

机器学习算法评价指标之group auc（gauc）：https://blog.csdn.net/hnu2012/article/details/87892368

广告CTR预估中预测点击率的校准：https://zhuanlan.zhihu.com/p/35580375

面向稀有事件的 Logistic Regression 模型校准：http://vividfree.github.io/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/2015/12/15/model-calibration-for-logistic-regression-in-rare-events-data

计算广告和推荐系统之间的区别和联系，大家可以看看下面这个知乎问题中，大佬们的回答。

计算广告与推荐系统有哪些区别？：https://www.zhihu.com/question/19662693

学习完上面这些之后，应该能算是入了个门了，之后将继续深入学习并及时分享~

我的微信公众号：帕尼尼古

欢迎关注~

我的机器学习入门之路（下）——知识图谱、推荐、广告相关推荐

我的机器学习入门之路（中）——深度学习(自然语言处理)
继上一篇<我的机器学习入门之路(上)--传统机器学习>,这一篇博客主要记录深度学习(主要是自然语言处理)这一块内容的学习过程.以下均将自然语言处理简称NLP. 这一块内容的学习路线分为三部 ...
机器学习入门一：基础知识
机器学习入门一:基础知识前言机器学习介绍 1.什么是机器学习? 2.机器学习中的常见困难模型的泛化[^1] (Generalization)能力 3.机器学习中数据集划分 4.机器学习中几种学习 ...
论文浅尝 | 用于低资源条件下知识图谱补全的关系对抗网络
论文作者: 邓淑敏,浙江大学在读博士,研究方向为低资源条件下知识图谱自动化构建关键技术研究. Ningyu Zhang, Shumin Deng, Zhanlin Sun, Jiaoyan Chen, ...
我的机器学习入门之路（上）——传统机器学习
这篇博客主要记录了我自己的学习路线及相应的资料汇总.总时间跨度约为6个月,主要是利用了晚上的时间和周末的时间,每天坚持下来,日积月累,回过头来,可能会惊讶于自己的进步. 对于一个机器学习的小白来说,往 ...
35岁学python爬虫_35岁码农的机器学习入门之路-python篇
35岁码农,苦逼的80后,岌岌可危的尴尬年纪,何以解忧,唯有学习,对了,要跟上潮流:机器学习. 本篇所提入门之路,适合大学没学好数学,毕业后数学已忘光,工作多年想半路出家的人,仅供参考. 学习动机提升 ...
最全面的Android工程师知识图谱推荐
平时看见不错的Android工程师知识图谱,都会习惯性地瞅两眼,今天浏览了一个小程序,发现其中有Android工程师相关的图谱,闲着没事就点进去看了一下,写的东西很实用,全是Android工程师岗位必 ...
⑥【自监督学习 · 时空图神经网络 · 文献精读】知识图谱 | 推荐 | 命名实体识别NER | 空间-时间知识图谱 | 时空知识图 | 时空相似性
后来,月亮说,其实你小时候我真的有跟着你走了很久很久-
知识图谱辅助的个性化推荐系统
向AI转型的程序员都关注了这个号???????????? 机器学习AI算法工程公众号:datayx 本文主要包括以下内容: 推荐系统的基础知识知识图谱辅助的推荐方法介绍基于embedding ...
研讨会 | 知识图谱助力图书馆知识管理与智慧服务研讨会
知识图谱是大数据时代重要的知识表示方式之一,也是人工智能技术的重要支撑,在智能检索.数据分析.自动问答.知识推荐.知识管理等领域有着广泛的应用前景,为知识创新管理带来了新机遇.由于知识图谱实现了对象识 ...

我的机器学习入门之路（下）——知识图谱、推荐、广告

我的机器学习入门之路（下）——知识图谱、推荐、广告相关推荐

最新文章

热门文章