51CTO推荐系统实战系列学习笔记

51CTO推荐系统实战系列学习笔记

10相似度计算与推荐实例    

11矩阵分解的目的与效果    

12矩阵分解中的隐向量    

13目标函数简介    

14隐式情况分析    

15Embedding的作用    

16音乐推荐任务概述    

17数据集整合    

18物品相似度计算与推荐    

19SVD矩阵分解    

20基于矩阵分解的音乐推荐    

21知识图谱通俗解读_ev    

22知识图谱在搜索引擎中的应用_ev    

23知识图谱在医疗领域应用实例_ev    

24金融与推荐领域的应用    

25数据获取分析    

26Neo4j图数据库介绍    

27Neo4j数据库安装流程演示    

28可视化例子演示    

29创建与删除操作演示    

2推荐系统通俗解读_ev    

30数据库更改查询操作演示    

31知识图谱推荐系统效果演示    

32kaggle电影数据集下载与配置    

33图谱需求与任务流程解读    

34项目所需环境配置安装    

35构建用户电影知识图谱    

36图谱查询与匹配操作    

37相似度计算与推荐引擎构建    

38CTR估计及其经典方法概述    

39高维特征带来的问题    

3推荐系统发展简介_ev    

40二项式特征的作用与挑战    

41二阶公式推导与化简    

42FM算法解析    

43DeepFm整体架构解读    

44输入层所需数据样例    

45Embedding层的作用与总结    

46数据集介绍与环境配置    

47广告点击数据预处理实例    

48数据处理模块Embedding层    

49Index与Value数据制作    

4应用领域与多方位评估指标_ev    

50一阶权重参数设计    

51二阶特征构建方法    

52特征组合方法实例分析    

53完成FM模块计算    

54DNN模块与训练过程    

5任务流程与挑战概述_ev