原创 【矩陣分解六】處理隱式反饋-加權正則矩陣分解法WRMF (weighted regularized matrix factorization)
改進點(跟前幾篇的SVD比)： 一句話總結：當數據樣本只有隱式反饋時，以前的數據建模方式便不再適用。原因：1.隱式反饋中默認只有正樣本(one-class問題)；2.未觀測到的樣本默認爲負樣本(顯然不合理，也可能喜歡)。 概念： 顯式反饋
2020-06-01 01:05:02
原创 【矩陣分解五】TimeSVD
改進點(跟前幾篇的SVD比)： 一句話總結：在構建元素𝑟̂ 𝑢𝑖時，每個時間段學習一個參數，某個時間段參數使用該時間段數據進行學習，也即是加入時間權重。 主要思想： 上述模型都是靜態的，但是現實中，物品的流行度會隨時間變化，用戶的品味也可
2020-06-01 01:05:02
原创 【DNN】DIEN算法原理
在阿里的DIN之後，隨後推出了DIEN，發表於2018年，論文地址點擊這裏 。 重點： DIEN相比之前的DIN，主要的trick在於對於用戶的長期興趣和短期興趣的刻畫，引入了有監督的GRU網絡，刻畫的更加準確。 爲了捕捉用戶興趣的演變，
2020-06-01 01:05:02
原创 【DNN】DeepFM原理及源碼
1、總結 三句話看透DeepFM，論文鏈接，發表於2017年。 Wide&Deep中Wide側還需要人工構造特徵交叉，而DeepFM在Wide側用一個FM模型替換了LR，能夠自動學習到所有二次交叉項的係數。 關鍵在於Deep側與Wide側
2020-05-25 03:18:34
原创 【LeetCode】三指針(對只有三種元素的數組排序)--荷蘭國旗問題
LeetCode75題目鏈接。 顏色分類 給定一個包含紅色、白色和藍色，一共 n 個元素的數組，原地對它們進行排序，使得相同顏色的元素相鄰，並按照紅色、白色、藍色順序排列。 此題中，我們使用整數 0、 1 和 2 分別表示紅色、白色和藍色
2020-05-25 03:18:34
原创 【Loss】深入理解損失函數logloss
思考：當我們習慣性的使用封裝好的深度學習框架時，是否想過探尋他們調用函數背後的意義，也就是他的實現邏輯？如果封裝不公開源碼，那你是否留意過調用函數時，輸入的參數？今天來看看，一個比較容易忽略的點：損失函數。不知道爲何，想到損失函數的時候，
2020-05-23 15:26:37
原创 【JAVA】快排-無序整數數組中找第k大的數
一個有代表性的題目：無序整數數組中找第k大的數，對快排進行優化。 這裏先不說這個題目怎麼解答，先仔細回顧回顧快排，掰開了揉碎了理解理解這個排序算法：時間複雜度、空間複雜度；什麼情況下是複雜度最高的情況。 1.主要思想 通過一趟排序將要排序
2020-05-23 15:26:37
原创 【DNN】DIN原理-代碼解讀-應用過程中可能存在的難點
DIN(Deep Interest Network)很火，已經成功吸引了我的注意力，落地時，究竟難在什麼地方？？？？？本文的整體思路是：先熟悉原理，再看代碼，然後在結合實際，猜想下可能難在什麼地方。 原理 參考各位前輩的博客，結合論文，按
2020-05-20 23:27:15
原创 【召回】倒排索引怎麼建立？基本概念和實現例子
0.召回相關的概念 召回(Recall)：在搜索排序系統中，需要首先從全集商品中，選擇一部分商品，用來展示給用戶，這個選擇的過程稱之爲召回。 文檔(Document)：一般搜索引擎的處理對象是互聯網網頁，而文檔
2020-05-20 23:27:15
1
原创 【面試代碼題】TYCha面試手寫題目
面試管：很nice，通過一段時間交流，覺得想一起共事。 一面題目： 1.題目描述： 給一個有符號的數123，將其翻轉變爲321。LeetCode的第7題https://leetcode-cn.com/problems/reverse-in
2020-05-17 23:59:23
原创 LightGBM相比於Xgboost的改進及實踐
這篇文章內容主要來源與樑雲大佬的博客，摘錄下來，標註自己的理解。 一，LightGBM和XGBoost對比 LightGBM可以看成是XGBoost的升級加強版本，2017年經微軟推出後，便成爲各種數據競賽中刷分奪冠的神兵利器。 正如其名
2020-05-17 23:59:23
原创 TensorFlow中將類別特徵embeding之後，包含語義信息(context information)嗎？
面試中問到了這個問題，這裏稍微彙總理解理解。 解答：TensorFlow中將類別特徵embeding之後，這個embeding不包含語義信息。 分析：Embedding 層的結構可以比較複雜，只要達到高維向量的降維目的就可以了，但一般爲了
2020-05-14 23:28:36
原创 深度網絡梯度爆炸的原因、產生的影響和解決方法
1.概念 深度模型有關數值穩定性的典型問題是：衰減(vanishing)和爆炸(explosion)。 當神經網絡的層數較多時，模型的數值穩定性容易變差。舉個簡單的例子： 爲了便於討論，不考慮偏差參數， 且設所有隱藏層的激活函數爲恆等映射
2020-05-12 01:12:20
原创 【推薦】pairwise、pointwise 、 listwise三種算法在推薦上的適用彙總
寫在前面：寫博客當成了學習筆記，容易找到去完善，不用於商業用途。通過各種途徑網羅到知識彙總與此，如有侵權，請聯繫我，我下掉該內容~~ 排序學習的模型通常分爲單點法（Pointwise Approach）、配對法（Pairwise Appr
2020-05-12 01:12:20
1