推荐搜索之矩阵分解(MF)

搜索推荐中经常遇到的问题就是如何发现用户对某个商品的喜欢程度，也就是偏好，那么这个和矩阵分解又有什么关系呢？本文将尽量详细的解释这一点。我们首先来看上面这个图片，左边的矩阵表示的一些用户对于一些影视作品的打分，俗称打分矩阵。右边两个矩阵分别表示将电影分成了剧情和动画，也就是中间的隐变量。右边的两个矩阵是被分解的两个矩阵，怎么来使用这样的矩阵分解的结果呢？如果想给李四推荐一个电影，应该怎么使用上面的

Sun Apr 10

搜索推荐

推荐搜索之计算广告

本章咱们来说说计算广告这一领域，其实从本质上讲呢，计算广告并不属于推荐搜索的领域，是可以单独拉出来当一个领域来研究，但是本身计算广告是更多的是通过推荐、搜索、点击等记录挖掘出来，索性咱们先放到一起了解一下。计算广告是做什么的呢？提到广告其实就在一个合适的时间、合适的地点给合适的人推荐某些产品。如果用户下单，平台将获得一定的报酬，之前百度通过广告点击赚取了大量的收益，目前也是财报中最大的一部分收益

Sat Feb 19

搜索推荐

推荐搜索之指标体系

这章来介绍一下如何评估你搜索以后的结果好坏呢？从而定义算法优化的方向。对于比较粗糙的评估方法如下。$$P=\frac{检索出相关文档数}{检索所有文档数} \\R=\frac{检出相关文档数}{数据库中相关文档数}$$看着形式是不是很熟悉，就是经常看到的准确率和召回率。下面形式化的表达出来。a表示被检索出的与查询相关的文献数量;b表示被检索出的与查询无关的文献数量;c表示与查询相关，但是没有被

Fri Feb 18

搜索推荐

推荐搜索之矩阵分解(MF)

推荐搜索之计算广告

推荐搜索之指标体系

推荐搜索之排序学习

分类

标签云

最新文章

标签

最新文章

Your browser is out-of-date!