推荐系统笔记(其它应用算法)

思维导图：

推荐系统笔记(其它应用算法)相关推荐

推荐系统笔记（十三）：SGL算法的代码实现
前言本算法是在LightGCN的代码上的基础实现的,LightGCN的代码和原理参考我前面几篇的博客:推荐系统笔记(六):LightGCN代码实现_甘霖那的博客-CSDN博客由于L ...
推荐系统笔记:基于模型的协同过滤
1 介绍基于邻域的协同过滤方法可以看作是机器学习中常用的k-最近邻分类器KNN的泛化. 这些方法是基于实例的方法,因此,除了可选的预处理阶段之外,没有专门为预测预先创建模型. 推荐系统笔记:Intr ...
推荐系统笔记（九）：SGL --利用自监督对比学习缓解推荐系统长尾效应
背景利用图卷积神经网络处理推荐系统的问题任然有很大局限性,即使是LightGCN也存在的问题,关于LightGCN的知识和原理实现可以参考我的另外几篇博客:链接其局限性主要在于: (1)高度节点对 ...
推荐系统笔记(近邻推荐)
思维导图: 提到推荐系统,协同过滤算法是最出名啦,协同过滤的重点在于协同,也就是群体互帮互助,互相支持是集体智慧的体现协同过滤: 当推荐系统度过使用基于内容的推荐阶段后,就有了可观的用户行为,这时候 ...
推荐系统笔记：矩阵分解+基于邻居的模型
由于其启发式性质,基于邻域的方法通常被认为与其他优化模型具有内在的不同. 尽管如此,结果表明基于邻域的方法也可以嵌入在其他优化模型的上下文中. 这是一个相当方便的框架,因为它为邻域模型与其他优化模型( ...
推荐系统笔记：基于矩阵分解（总结篇）
推荐系统笔记:基于潜在因子模型的协同过滤(latent factor model)_UQI-LIUWJ的博客-CSDN博客推荐系统笔记:无任何限制的矩阵分解_UQI-LIUWJ的博客-CSDN博客 ...
推荐系统笔记：基于非负矩阵分解的协同过滤
1 非负矩阵分解非负矩阵分解 (NMF) 可用于非负的评级矩阵. 这种方法的主要优势不一定是准确性,而是它在理解用户-项目交互方面提供的高度可解释性. 与其他形式的矩阵分解的主要区别在于因子 U 和 ...
推荐系统笔记：基于SVD的协同过滤
1 奇异值分解奇异值分解(SVD)是矩阵分解的一种形式,其中U和V的列被约束为相互正交相互正交的优点是概念之间可以完全独立,并且可以用散点几何解释它们. 然而,这种分解的语义解释通常比较困难,因为 ...
推荐系统笔记：决策树回归树
决策树和回归树经常用于数据分类. 决策树是为那些因变量(target,label)是分类的情况而设计的,而回归树是为那些因变量(target,label)是数值的情况而设计的. 在讨 ...

推荐系统笔记(其它应用算法)

思维导图：

推荐系统笔记(其它应用算法)相关推荐

最新文章

热门文章