avatar 关注
投稿
收录了 5 篇文章 · 21人关注
  • 推荐系统结合深度学习xDeepFM,有效地挖掘交叉特征

    特征在许多预测系统的成功中起着核心作用。由于使用原始特征很少能获得最佳结果,数据科学家通常会花费大量精力在原始特征的转换上,以生成最佳预测系统或赢得数据挖掘游戏。特征转换的一个主要类型是跨类别特征的跨产品转换。这些特性称为交叉特性或多方向特性,它们测量多个...

  • 推荐算法CTR预估之FM, FFM, DeepFM及案例实战

    对于一个基于CTR预估的推荐系统,最重要的是学习到用户点击行为背后隐含的特征组合。在不同的推荐场景中,低阶组合特征或者高阶组合特征可能都会对最终的CTR产生影响...

  • 联合知识图谱学习与推荐系统:更好地理解用户偏好

    本文提出了一种新的基于翻译的推荐模型tup,并对其进行了扩展,实现了对Kg完全无缝的集成,即ktup。tup能够对用户和项目之间的各种隐式关系进行建模,从而揭示用户对消费项目的偏好。KTUP通过对齐关系和性能进一步增强了模型的可解释性...

  • 基于深度学习的推荐系统:探究与新视角

    重点介绍了一系列有影响的研究原型,并分析了它们的优缺点和适用场景。此外,我们还详细介绍了一些最紧迫的开放性问题和有希望的未来扩展。深度学习和推荐系统都是近几十年来的热点研究课题...

  • 爱奇艺在文本舆情挖掘上的技术探索

    通过电视剧评论的分析,介绍了一些利用深度学习模型和 NLP 技术从文本评论中提取用户观点和情感的方法,包括如何确定用户的评价对象、评价词和情感类别。结合这些模型和技术可以挖掘用户对影视内容的主观感受,作为基石之一...

阅读更多
  • 爱奇艺在文本舆情挖掘上的技术探索

    通过电视剧评论的分析,介绍了一些利用深度学习模型和 NLP 技术从文本评论中提取用户观点和情感的方法,包括如何确定用户的评价对象、评价词和情感类别。结合这些模型和技术可以挖掘用户对影视内容的主观感受,作为基石之一...

  • 赞 不知道有类似的开源项目参考学习吗

    爱奇艺在文本舆情挖掘上的技术探索

    通过电视剧评论的分析,介绍了一些利用深度学习模型和 NLP 技术从文本评论中提取用户观点和情感的方法,包括如何确定用户的评价对象、评价词和情感类别。结合这些模型和技术可以挖掘用户对影视内容的主观感受,作为基石之一...

  • 不知道有没有开源项目学习一下吗

    爱奇艺在文本舆情挖掘上的技术探索

    通过电视剧评论的分析,介绍了一些利用深度学习模型和 NLP 技术从文本评论中提取用户观点和情感的方法,包括如何确定用户的评价对象、评价词和情感类别。结合这些模型和技术可以挖掘用户对影视内容的主观感受,作为基石之一...

  • 再详细一点,给个简单的案例也好呀

    爱奇艺在文本舆情挖掘上的技术探索

    通过电视剧评论的分析,介绍了一些利用深度学习模型和 NLP 技术从文本评论中提取用户观点和情感的方法,包括如何确定用户的评价对象、评价词和情感类别。结合这些模型和技术可以挖掘用户对影视内容的主观感受,作为基石之一...

阅读更多

专题公告

推荐系统相关技术分享

管理员

关注的人(21)