原创 推薦系統遇上深度學習(二十八)--知識圖譜與推薦系統結合之MKR模型原理及實現
知識圖譜特徵學習在推薦系統中的應用步驟大致有以下三種方式：依次訓練的方法主要有：Deep Knowledge-aware Network(DKN) 聯合訓練的方法主要有：Ripple Network 交替訓練主要採用multi-task的思
2018-12-17 16:00:07
6
原创 推薦系統遇上深度學習(二十七)--知識圖譜與推薦系統結合之RippleNet模型原理及實現
知識圖譜特徵學習在推薦系統中的應用步驟大致有以下三種方式：依次訓練的方法主要有：Deep Knowledge-aware Network(DKN) 聯合訓練的方法主要有：Ripple Network 交替訓練主要採用multi-task的思
2018-12-13 15:35:07
10
原创 推薦系統遇上深度學習(二十四)--深度興趣進化網絡DIEN原理及實戰！
在本系列的推薦系統遇上深度學習(十八)--探祕阿里之深度興趣網絡(DIN)淺析及實現中，我們介紹了阿里的深度興趣網絡(Deep Interest Network，以下簡稱DIN)，時隔一年，阿里再次升級其模型，提出了深度興趣進化網絡(Dee
2018-12-07 18:30:12
3
原创 推薦系統遇上深度學習(二十五)--當知識圖譜遇上個性化推薦
之前在美團聽過關於知識圖譜和個性化推薦的一個講座，接下來的幾篇，我們將圍繞講座中提到的知識點，來介紹下知識圖譜是如何同個性化推薦相結合的！本篇算是一個開篇吧，希望大傢伙能夠有一個基本的認識。1、推薦系統的任務和難點推薦問題的本質是代替用戶評
2018-12-07 18:30:01
2
原创 推薦系統遇上深度學習(二十六)--知識圖譜與推薦系統結合之DKN模型原理及實現
在本系列的上一篇中，我們大致介紹了一下知識圖譜在推薦系統中的一些應用，我們最後講到知識圖譜特徵學習(Knowledge Graph Embedding)是最常見的與推薦系統結合的方式，知識圖譜特徵學習爲知識圖譜中的每個實體和關係學習到一個低
2018-12-07 09:35:05
7
原创 時間序列預測模型-ARIMA原理及Python實現！
1、數據介紹再介紹本篇的內容之前，我們先來看一下本文用到的數據。本文用到的中國銀行股票數據下載：http://pan.baidu.com/s/1gfxRFbH。我們先來導入一下我們的數據，順便畫出收盤價數據的折線圖：import panda
2018-12-06 12:20:12
841
原创 殘差網絡ResNet網絡原理及實現
論文地址：https://arxiv.org/pdf/1512.03385.pdf1、引言-深度網絡的退化問題在深度神經網絡訓練中，從經驗來看，隨着網絡深度的增加，模型理論上可以取得更好的結果。但是實驗卻發現，深度神經網絡中存在着退化問題(
2018-11-30 11:30:09
2
原创 推薦系統遇上深度學習(二十三)--大一統信息檢索模型IRGAN在推薦領域的應用
1、引言信息檢索領域的一個重要任務就是針對用戶的一個請求query，返回一組排好序的召回列表。經典的IR流派認爲query和document之間存在着一種生成過程，即q -> d 。舉一個例子，搜索“哈登”，我們可以聯想到“保羅”，“火箭”
2018-10-23 09:57:59
3
原创 查收一份附帶答案的面經！
1、常見的機器學習優化器1.1 gradient descent1.1.1 全量梯度下降(Batch gradient descent) 每次使用全量的訓練集樣本來更新模型參數，即θ=θ−η⋅∇θJ(θ)。 優點:每次更新都會朝着正確的方向
2018-10-23 09:57:59
2
原创 推薦系統遇上深度學習(二十二)--DeepFM升級版XDeepFM模型強勢來襲！
今天我們要學習的模型是xDeepFM模型，論文地址爲：https://arxiv.org/abs/1803.05170。文中包含我個人的一些理解，如有不對的地方，歡迎大家指正！廢話不多說，我們進入正題！1、引言對於預測性的系統來說，特徵工程
2018-10-23 09:57:59
2
原创 算法面試太難？反手就是一波面經
八月參加了一些提前批的面試，包括阿里、百度、頭條、貝殼、一點資訊等。整理了一些面試題，分享給大家。一、機器學習基礎題1、LSTM的公式2、RNN爲什麼出現梯度消失及BPTT的推導3、DQN的基本原理麼4、GBDT和隨機森林有什麼區別5、GB
2018-10-10 10:13:16
1