特别放送｜知识回顾（下）
黄鸿波
你好，我是黄鸿波。
这节课是我们最后一部分的知识回顾，我将带你整体过一遍最后三章的内容。如果你对课程有任何的建议，欢迎在评论区留言，我来对课程进行迭代。话不多说，我们正式开始这节课的内容。
本节课的重点在于熟悉协同过滤算法的基本原理、优点及常见问题，并能够通过 Python 实现一个简单的协同过滤算法。本节课是召回算法章节的第一节课，在本章我们都会围绕算法和模型进行讲解。
本节课的重点在于了解基于 Embedding 的召回算法和 DSSM 模型。基于 Embedding 的召回中最核心的就是 I2I 和 U2I，你需要对二者有大致了解。此外，DSSM 模型主要包含 User 塔和 Item 塔，你需要对输入层、表示层和匹配层也有一定的了解。
本节课的重点在于了解 YoutubeDNN 模型的概念以及结构，它主要分成三层：输入层、DNN 层和 Softmax 输出层。同时我们讲解了一些 trick，比如对数据集的采样、负样本的生成加快训练速度、特征构造以及上下文选择等。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
这篇文章主要总结了推荐系统相关的知识，包括协同过滤算法、基于Embedding的召回算法和DSSM模型、YoutubeDNN模型、LR与GBDT的结合、FM算法、重排序和排序后处理、定时任务、Kafka在推荐系统中的用法、推荐列表的组成策略、推荐列表给到用户后的操作等内容。文章通过对每个主题的重点进行介绍，帮助读者快速了解了推荐系统的基本原理、常见算法模型以及在实际应用中的相关技术和操作流程。读者可以通过本文快速了解推荐系统的相关知识，并在实际工作中应用这些技术。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《手把手带你搭建推荐系统》，新⼈⾸单¥59
《手把手带你搭建推荐系统》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(1)
- 最新
- 精选
- 19984598515源码呢老师
作者回复: https://github.com/ipeaking/recommendation https://github.com/ipeaking/scrapy_sina
2023-06-30归属地：贵州2
收起评论
