• 上个纪元的赵天师 置顶
    2018-03-09
    不做笔记都对不起文稿,赞

    作者回复: 不回答都对不起这留言,棒

    
     53
  • 愚公移山
    2018-03-10
    老师,还是有些不理解隐式反馈常常和模型的目标函数关联更密切,显示反馈,如评分,通常也与模型的目标函数关联十分密切。

    作者回复: 隐式反馈往往是用户的行为,是用户正常的消费路径,最终通向商业目标,比如掏钱。但评分是个旁支,往往不必通向最终商业目标。

    
     14
  • 13113604627
    2018-05-16
    我是推荐系统小白,目前做的是主要是一些工程性的开发,想转型学习推荐系统,看了前三章,感觉还是一些概念性的东西,请问学完这个后,自己能搭起一个简单的推荐系统吗?
    
     7
  • 叶晓锋
    2018-03-07
    老师你好,非常感谢您对评分预测和行为预测的划分,而且因为用户爸爸很忙,对很多场景来说不可能采集到足够的评分反馈,我们应该更多的关注行为预测,隐式反馈,解决80%的问题。老师讲到行为预测分为概率预测和相对排序预测,我特别关注相对排序预测,老师能否解答下概率预测和相对排序预测的区别?

    作者回复: 不要急,后面会专门讲到。

    
     6
  • 海鸟
    2018-03-12
    “另外,你们人为给行为赋予权重这个做法不太合适,不如直接预测行为。”
    人为给不同类别行为不同权重,感觉是根据现实业务场景来的,比如购买一个商品比浏览一个商品更重,为什么不合适,老师能细说下吗?

    作者回复: 是的,有的行为处于漏斗转化的下层,的确更重要,但重要多少呢?假如你给点击权重为1,加入购物车是比点击更重要,那为什么就要是2呢,不能是3呢?因为人为量化极大可能不客观不准确,然后被当成了计算过程中重要的变量使用,甚至成为要去不断逼近的目标,这就是缘木求鱼。

    
     5
  • 吴文敏
    2018-03-26
    对于存在多种隐反馈行为的推荐系统,比如电商这一场景(同时有点击、浏览、收藏、加入购物车),该如何设计推荐策略。我们过去的做法是将这些行为作为不同维度的量化特征对来预测将来某一种行为会不会发生。老师有没有好的建议?

    作者回复: 可以这样做,但是可能有过拟合的危险,因为多种行为可能不见得是时序先后发生的。还有一种做法是分别对每种行为建模预测,在不同场景使用不同侧重的模型。

    
     4
  • 禾子先生
    2018-03-07
    刑老师,之前用mahout,采用皮尔逊算法,进行基于用户和物品的推荐,推荐效果不好,碰到一个非常严重的问题,希望老师能够指点下。我们是电商系统,给用户的行为进行评分并采集,如给点击商品行为评1分,添加购物车评2分,购买评3分,用户数据在20w左右,评分数据在150w左右,结果每次推荐巨慢,经常要1分钟才有推荐结果,而且还经常导致内存溢出,希望老师能指点下。

    作者回复: 内存溢出这个我恐怕不能直接知道原因。另外,你们人为给行为赋予权重这个做法不太合适,不如直接预测行为。

    
     4
  • 帅帅
    2018-09-10
    如果我有用户画像,物品属性,用户隐式反馈(浏览点击关注购买),要做一个信息流,请问用什么技术实现?
    当前能想到的是spark的als协同过滤,tf的ctr或者bpr或者ltr,请问业界现在用哪个多?
    
     3
  • 杨阳
    2018-05-08
    刚入门,正好看到。确认过眼神,遇上对的人。
    
     3
  • 晴れよ
    2018-05-03
    评分预测是显示反馈,因为用户已经购买过商品表明了他们的态度,给其他商品打分是为了找出符合用户态度的商品然后做推荐;行为预测之所以说是隐式反馈,是因为我们仅有用户的行为数据,但是用户还没实际的买账操作,相比用户已经购买的显式态度,这是用户的隐性态度。
    
     3
  • Edward
    2018-03-16
    数据稀疏度1.2%是什么意思

    作者回复: 矩阵中只有1.2%的位置有数据。

    
     3
  • 极简2018
    2018-03-13
    是不是还有个滞后性问题,怎么解决

    作者回复: 推荐系统滞后是局限性,因为总是要在历史数据中有记录了才能反应出来。艾莎门就是这样的局限性导致的。

    
     3
  • 山羊wayne
    2018-03-12
    均方根讲的确实形象,赞一个

    作者回复: 收下了。

    
     3
  • 时光
    2018-04-09
    乔子先生:刑老师,之前用mahout,采用皮尔逊算法,进行基于用户和物品的推荐,推荐效果不好,碰到一个非常严重的问题,希望老师能够指点下。我们是电商系统,给用户的行为进行评分并采集,如给点击商品行为评1分,添加购物车评2分,购买评3分,用户数据在20w左右,评分数据在150w左右,结果每次推荐巨慢,经常要1分钟才有推荐结果,而且还经常导致内存溢出,希望老师能指点下。

    您的回答:内存溢出这个我恐怕不能直接知道原因。另外,你们人为给行为赋予权重这个做法不太合适,不如直接预测行为。
    请问下,"不如直接预测行为",这个具体怎么做
    2018-03-08
    展开
    
     2
  • yxj🚩
    2018-03-07
    请问刑老师,如果我们用神经网络的机器学习方法来搭建推荐系统模型,我们如果把评分预测作为神经网络最末层输出,那么是否可能会在其中的隐藏层预测出用户的行为预测呢?

    作者回复: 隐藏层不好解释,恐怕和行为预测还不能直接挂钩。

    
     2
  • NaNa
    2018-03-07
    评论留言是评分预测还是行为预测

    作者回复: 留言是个行为。

    
     2
  • rushui
    2018-03-07
    电商广告推荐里面一般都是做pCTR和pCVR

    作者回复: 主要差不多这样,也有别的。

    
     2
  • 风隐才藏
    2019-05-01
    mahout慢,资源消耗大是出了名的,几年前就被spark这些代替了
    
     1
  • Amoun
    2018-05-07
    评分预测相比行为预测来说,可以理解成评分预测是为了更好的行为预测吗?对用户的未消费的产品进行预测评分,到最后不还是融合各个评分、将评分进行排序,然后对用户的行为进行预测吗?
     1
     1
  • 八戒
    2018-04-13
    点击行为数据获取,我们会拿到很多负样本,这样在训练模型的时候效果不好,老师有什么方案解决么,谢谢啦
    
     1
我们在线,来聊聊吧