admin 管理员组

文章数量: 1184232

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：深度学习推荐系统（三）-矩阵分解方法 - 知乎

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

本文标签： 深度 系统

版权声明：本文标题：《深度学习推荐系统》——书 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1763835790a3274513.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。