iT邦幫忙

鐵人檔案

2022 iThome 鐵人賽
回列表
AI & Data

親手打造推薦系統 系列

老婆的問題很多。

找不到好看的影片,會問我有什麼好看的?
挑不到禮物,會問我該買什麼禮物好?
還有...今天晚上要吃什麼?

怎麼我每天都有回答不完的問題?
那就來打造可以回答老婆問題的推薦系統吧!

接下來30天,我打算讓大家陪我一起實做推薦系統。

我會從影片的推薦引擎開始,技術方面,我打算分享以下內容:

1. 基於內容相似的推薦系統
2. 協作過濾法
3. 因數分解機
4. GBDT

總之,就請每天來看看,讓我們一起出發吧!

鐵人鍊成 | 共 30 篇文章 | 12 人訂閱 訂閱系列文 RSS系列文
DAY 11

Day 11 矩陣分解演算法介紹 - 親手打造推薦系統

在前兩天的介紹裡,我們說明了協同過濾法的作法,這種做法雖然直覺簡單,但無論是 UserCF 或 ItemCF 它[ 都要維護一個很大的評分表,並且這個評分表是個...

2022-09-26 ‧ 由 資訊海 分享
DAY 12

Day12 - 是什麼推薦系統的冷啟動問題?有哪些對策可以處理?冷啟動問題(1) - 親手打造推薦系統

推薦系統就是要幫使用者儘快找到自己喜歡的內容。現在客戶取得成本愈來愈高,同時也很沒耐性,只要產品有點不好用,使用者可能就會選擇其他的替代品。 但任何系統上線,並...

2022-09-27 ‧ 由 資訊海 分享
DAY 13

Day13 - 冷啟動問題有哪些對策?冷啟動問題(2) - 親手打造推薦系統

昨天提到冷啟動問題,以及 3 種不同冷啟動對策,而今天我們再來討論其它的冷啟動對策。 對策4:壓榨及拓展策略 也許我們不是完全沒數據,但要如何用少量資訊做個性化...

2022-09-28 ‧ 由 資訊海 分享
DAY 14

Day14 - 冷啟動有哪些對策? - 快速試探策略 - 親手打造推薦系統

昨天提到了冷啟動的2個對策,今天我們來說說另一個對策 - 快速試探策略 對策6:快速試探策略 這方法是先隨機或用非個性化推薦,在使用者和系統做些互動後,馬上挖...

2022-09-29 ‧ 由 資訊海 分享
DAY 15

Day15-如何用邏輯回歸(LR)解決推薦電影問題?-親手打造推薦系統

邏輯回歸是機器學習裡要解決的基本問題。如下圖: 就是給一個特徵向量及答案的組合,這些資料給機器作學習,未來可以拿某個特徵向量問機器,請它做答案的預測。 用在電...

2022-09-30 ‧ 由 資訊海 分享
DAY 16

Day16 - 因數分解機簡介 - 搞定稀疏又非線性的回歸問題 - 親手打造推薦系統

今天簡介因數分解機 Factorization Machines (FM) 傳統機器學習問題遇到的問題 一般機器學習演算法,只考慮特徵向量要如何給權重。但特徵...

2022-10-01 ‧ 由 資訊海 分享
DAY 17

Day17 - 因數分解機(FM)為什麼有用? - 親手打造推薦系統

昨日我們介紹了因數分解機(FM)的特色,今天我們來說明它為什麼有用! 推薦問題在線性回歸上是怎麼運作的? 在做推薦系統時,若用線性回歸做預測,要預測的東西會有...

2022-10-02 ‧ 由 資訊海 分享
DAY 18

Day18 - 因數分解機計算量變小的原理 - 親手打造推薦系統

我們今天來了解FM是怎麼把空間和計算量降下來的 重新看一下,昨天最後的式子 看其中的二階的相加項 wij 的數目和矩陣的上三角數目很像呀!難道這和矩陣有點關...

2022-10-03 ‧ 由 資訊海 分享
DAY 19

Day19 - FFM 因數分解機的拓展 - 親手打造推薦系統

在做推薦系統時,離散的特徵常會需要做 one-hot,這會導致特徵矩陣非常稀疏。在前幾天我們提到因數分解機 FM,可以在矩陣稀疏的情況下,不只訓練及預測的速度快...

2022-10-04 ‧ 由 資訊海 分享
DAY 20

Day20 - GBDT + LR 是如何找出特徵組合做推薦? - 親手打造推薦系統

之前介紹了 FM 及 FFM 演算法,他們對於特徵交換都只留在二階上,也就是只討論兩個特徵若同時出現時的情況。但難道不能討論3個4個或更多嗎? 可以,但會遇到組...

2022-10-05 ‧ 由 資訊海 分享