Datawhale十月组队学习_推荐系统4

最新推荐文章于 2023-02-09 00:00:29 发布
原创 最新推荐文章于 2023-02-09 00:00:29 发布 · 220 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文介绍了推荐系统中Wide&Deep模型的基本概念与思想，重点讨论了Memorization和Generalization两个核心概念，并提供了代码实战的参考资料。

推荐系统|Wide&Deep：

文章目录

1.基本概念和思想

Memorization 和 Generalization是推荐系统很常见的两个概念，其中Memorization指的是通过用户与商品的交互信息矩阵学习规则，而Generalization则是泛化规则。

Memorization趋向于更加保守，推荐用户之前有过行为的items。相比之下，generalization更加趋向于提高推荐系统的多样性（diversity）。Memorization只需要使用一个线性模型即可实现，而Generalization需要使用DNN实现

在这里插入图片描述

2.代码实战

未完待续，先附上几个参考链接：

（1）关于Wide&Deep的相关知识：
https://blog.csdn.net/u010352603/article/details/80590129
（2）TensorFlow真官网
https://www.tensorflow.org是打不开的，官网如下：
https://tensorflow.google.cn
（3）Wide&Deep的TensorFlow官方文档
https://tensorflow.google.cn/api_docs/python/tf/keras/experimental/WideDeepModel
（4）相应的GitHub网址
https://github.com/tensorflow/tensorflow/blob/v2.3.1/tensorflow/python/keras/premade/wide_deep.py#L34-L219

标签
#推荐系统
推荐系统组队学习之协同过滤 - 推荐系统基础
11-24
推荐系统组队学习之协同过滤 - 推荐系统基础
Datawhale12月组队学习【推荐系统】Task01
qq_41741631的博客
12-13 480
datawhale12月组队学习【推荐系统】
Datawhale十月组队学习_推荐系统1
Arya的博客，专注后端领域
10-19 307
Datawhale十月组队学习_推荐系统20201019所学 20201019所学 推荐系统中对于一般的one-hot编码进行了平滑处理。 如下图片所示: Embedding其实是一种思想，主要目的是将稀疏的向量(如one-hot编码)表示转换成稠密的向量，下图直观的显示了one-hot编码和Embedding表示的区别于联系，即Embedding相当于是对one-hot做了平滑，而onehot相当于是对Embedding做了maxpooling 目前主流的Embedding技术主要可以分为三大类。 t
Datawhale十月组队学习_推荐系统3
Arya的博客，专注后端领域
10-25 302
Datawhale十月组队学习_推荐系统 隐语义模型与矩阵分解 协同过滤算法的特点就是完全没有利用到物品本身或者是用户自身的属性， 仅仅利用了用户与物品的交互信息就可以实现推荐，是一个可解释性很强， 非常直观的模型， 但是也存在一些问题， 第一个就是处理稀疏矩阵的能力比较弱， 所以为了使得协同过滤更好处理稀疏矩阵问题， 增强泛化能力， 从协同过滤中衍生出矩阵分解模型(Matrix Factorization,MF)或者叫隐语义模型, 两者差不多说的一个意思， 就是在协同过滤共现矩阵的基础上， 使用更稠密
十月组队学习！
Datawhale
10-15 344
↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale学习开源贡献：Datawhale团队本月组队学习，包含Numpy入门...
Datawhale线上组队学习汇总
老马的程序人生
12-02 2626
组队学习就是一群志同道合的小伙伴，一起学习讨论，一起克服拖延症，一起组队打boss。没有老师，没有教学，有的是一群热爱学习和渴望改变的人，交流学习，互促共进。 <font color='red'><b>如果您对哪门开源内容感兴趣，请在下方留言区写上课程的名称。我们就邀请该课程设计者开设该课程的组队学习。</b></font>
《Datawhale推荐系统教程》来了！
Datawhale
06-28 1064
Datawhale开源贡献者：Datawhale推荐系统团队开源初衷FunRec开源项目从第一次提交到现在已经快两年了，为了让帮助更多同学入门推荐算法，我们开源了《FunRec-推荐系统》教程，并在组队学习中，帮助学习者成长。该项目定位的人群、目标以及项目的大致内容：定位人群：该开源项目面向推荐算法初学者（想从事推荐算法岗位的在校生、推荐算法岗的校招新人）项目目标：致...
Datawhale组队学习周报（第045周）
老马的程序人生
12-27 680
本周报总结了从 12月20日至12月26日，Datawhale组队学习的运行情况，我们一直秉承“与学习者一起成长的理念”，希望这个活动能够让更多的学习者受益。 第 32 期组队学习已经与大家见面了，这次组队学习一共 11 门开源课程，共组建了 11 个学习群，参与的学习者有 815 人。 第 33 期组队学习也蓄势待发准备与大家见面了。我在这里要感谢所有的课程设计人员，以及我们的助教和支持者，因为你们的无私奉献才促成组队学习活动的顺利开展。 所有贡献人员： 第32期：李岳昆、易远哲、初晓宇、叶前坤、沈豪、
Datawhale组队学习开源内容汇总
老马的程序人生
10-13 1845
Datawhale组队学习开源内容汇总 一、组队学习简介 组队学习就是一群志同道合的小伙伴，一起学习讨论，一起克服拖延症，一起组队打boss。没有老师，没有教学，有的是一群热爱学习和渴望改变的人，交流学习，互促共进。 如果您对哪门开源内容感兴趣，请在下方留言区写上课程的名称。我们就邀请该课程设计者开设该课程的组队学习。 （1）组队学习的目的：打磨自我技能，认识优秀伙伴，挖掘潜在组织成员，和学习者一起成长。 （2）组队学习的方向：每个月第二个周六，组织一次学习活动，主要围绕以下六个方面进行开源内容建设。 0
Datawhale组队学习周报（第044周）
老马的程序人生
12-20 779
本周报总结了从 12月13日至12月19日，Datawhale组队学习的运行情况，我们一直秉承“与学习者一起成长的理念”，希望这个活动能够让更多的学习者受益。 第 31 期组队学习一共 11 门开源课程，共组建了 11 个学习群，参与的学习者有 863 人，全部课程： 动手学数据分析 基于Python的办公自动化 Leetcode刷题 IOS开发 数据可视化（Matplotlib） 李宏毅机器学习（含深度学习） SQL编程语言 青少年编程（Scratch 四级） 吃瓜教程——西瓜书+南瓜书 水很深的深度学
Datawhale组队学习周报（第019周）
老马的程序人生
06-28 760
本周（06月21日~06月27日），第 25 期组队学习一共有 3 门开源课程，共组建了 3 个学习群，参与的学习者有 292 人，其中 web开发入门教程、数据挖掘实战（异常检测） 已经结营，另外一门课程也在结营筹划中。 第 26 期组队学习也与大家见面了，这次组队学习一共 5 门开源课程，共组建了 5 个学习群，参与的学习者有 585 人。 第 27 期组队学习也蓄势待发准备与大家见面了。我在这里要感谢所有的课程设计人员，以及我们的助教和支持者，因为你们的无私奉献才促成组队学习活动的顺利开展。 所有贡献
【Datawhale组队学习】零基础入门推荐系统 - 新闻推荐【Task 01】
weixin_40535594的博客
11-25 473
Datawhale组队学习零基础入门推荐系统 - 新闻推荐Datawhale组队学习零基础入门推荐系统 - 新闻推荐Task 01: 赛题理解+Baseline Datawhale组队学习零基础入门推荐系统 - 新闻推荐 参加了Datawhale第19期的组队学习之零基础入门推荐系统 - 新闻推荐，分享任务1的学习经历。 Task 01: 赛题理解+Baseline 1、到github上下载code，https://github.com/datawhalechina/team-learning-rs； 2、
Datawhale组队学习周报（第042周）
老马的程序人生
12-06 975
本周报总结了从 11月29日至12月05日，Datawhale组队学习的运行情况，我们一直秉承“与学习者一起成长的理念”，希望这个活动能够让更多的学习者受益。
Datawhale组队学习周报（第043周）
老马的程序人生
12-13 603
本周报总结了从 12月06日至12月02日，Datawhale组队学习的运行情况，我们一直秉承“与学习者一起成长的理念”，希望这个活动能够让更多的学习者受益。 第 31 期组队学习一共 11 门开源课程，共组建了 11 个学习群，参与的学习者有 863 人，其中： 动手学数据分析 基于Python的办公自动化 Leetcode刷题 IOS开发 数据可视化（Matplotlib） 李宏毅机器学习（含深度学习） SQL编程语言 青少年编程（Scratch 四级） 吃瓜教程——西瓜书+南瓜书 水很深的深度学习
Datawhale组队学习周报（第018周）
老马的程序人生
06-26 892
文章目录本周结营的开源内容即将结营的开源内容正在进行的开源内容七月排期的开源内容希望排期的开源内容每周号外Whalepaper 招新公告 本周（06月14日~06月20日），第 25 期组队学习一共有 3 门开源课程，共组建了 3 个学习群，参与的学习者有 292 人，其中 web开发入门教程、数据挖掘实战（异常检测） 已经结营，另外一门课程也在结营筹划中。 第 26 期组队学习也与大家见面了，这次组队学习一共 5 门开源课程，共组建了 5 个学习群，参与的学习者有 585 人。 第 27 期组队学习也蓄势
Datawhale新春组队学习来了！
Datawhale
02-09 471
Datawhale学习贡献团队：Datawhale、开源学习联盟本月组队学习，包含了AI专题和大数据两个方向，共4个学习内容。⭐表示难度系数开源学习联盟相关高校学院、协会、实验室、社团等参与，倡导开源学习，通过开放协作的学习方式，探索有意义的工作，建立有意义的人际关系。（添加负责人 DatawhaleTeam 加入）参与学习▶时间：2月11日（周六）中午11:30▶方式：在高校群/在职群发...
Datawhale组队学习周报（第046周）
老马的程序人生
01-03 968
本周报总结了从 2021年12月27日至2022年01月02日，Datawhale组队学习的运行情况，我们一直秉承“与学习者一起成长的理念”，希望这个活动能够让更多的学习者受益。 第 32 期组队学习已经与大家见面了，这次组队学习一共 11 门开源课程，共组建了 11 个学习群，参与的学习者有 815 人，其中 动手学数据分析、李宏毅机器学习（含深度学习）、算法的应用、Linux实践、SQL编程语言、深入理解计算机系统、统计学习方法习题实战、吃瓜教程——西瓜书+南瓜书、推荐系统实践、数据可视化（Matplo
Datawhale组队学习周报（第038周）
老马的程序人生
11-08 916
本周报总结了从 11月01日至11月07日，Datawhale组队学习的运行情况，我们一直秉承“与学习者一起成长的理念”，希望这个活动能够让更多的学习者受益。 第 30 期组队学习一共 8 门开源课程，共组建了 8 个学习群，参与的学习者有 908 人，其中 深入浅出Pytorch、时间序列分析、CV中的Transformer、李宏毅机器学习（含深度学习）、青少年编程（Scratch 三级）、吃瓜教程——西瓜书+南瓜书 、树模型与集成学习已经结营，机器学习数学基础 仍在进行中。 第 31 期组队学习也蓄势待
Datawhale寒假组队学习来了！
Datawhale
01-11 432
Datawhale学习贡献团队：Datawhale、人民邮电出版社、Jina AI本月组队学习，包含了机器学习、深度学习、excel工具、共读书籍等，共6个学习内容。⭐表示难度系数加入学习▶时间：1月14日（周六）中午11:30▶方式：在Datawhale高校群/在职群发布报名码，扫码报名后学习关注公众号，后台回复关键词“在校”或“在职”进群；已在则无需重复加入。具体操作流程可参考：点击查...
【组队学习】【32期】组队学习内容详情
老马的程序人生
12-09 1526
第32期 Datawhale 组队学习活动马上就要开始啦！ 12月08日（星期三），宣发，今年最后一场组队学习！。 12月11日（星期六），进入学习群、开营仪式。 本次组队学习的内容为： 吃瓜教程——西瓜书+南瓜书 动手学数据分析 李宏毅机器学习（含深度学习） SQL编程语言 数据可视化（Matplotlib） 深入理解计算机系统 推荐系统-新闻推荐系统实践 scikit-learn教程 统计学习方法习题实战 算法的应用 Linux实践 大家可以根据我们的开源内容进行自学，也可以加入我们的组队学习一起来
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Arya's Blog

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值