2024机器学习与系统实践_第1页
2024机器学习与系统实践_第2页
2024机器学习与系统实践_第3页
2024机器学习与系统实践_第4页
2024机器学习与系统实践_第5页
已阅读5页,还剩5页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

解用户,尊重用户。如图,将用户和物品抽象成一个User-Item的矩阵,表达用户users对物品items的喜好程度。用户冷启动要解决的是当来了新的用户newusers,如何得到新用户对物品items品的喜好。具体解释就是某个用户可能在已有领域currentdomain和另一领域out如果在另一领域有相关行为,可用该mapping作出prediction,得到新用户对item的喜我们将用户点击的行为抽象为两种可能,一种是喜欢(深思熟虑置信度较高),另一种为随意(偶然为之,置信度较低,或可理解为系统的bias)。我们建立如下图模型来模拟用户两是怎么产生的,是否与系统的未来目标一致?评估数据是否存在bias?CTR710%,方案二平均必有一部分资源被挤掉,如果被挤掉部分的CTR大于10%(注意7%是平均值),则最终的CTR3CTR召回与ranking需要在系统当前能力范围内做匹配,一方超前或者落后,对系统来讲可能

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论