推荐系统专题 | CTR预测跨域处理的解决方案
1. 跨域处理的问题Q1：源域数据与目标域的id不完全重叠。比如源域中有ID=100002的用户，但目标域中就没有。解决方法：直接丢弃没有重叠的用户，使用不上这些数据Q2：源域数据与目标域重叠的id的曝光次数不一致（也就是行数不一致），无法直接拼接。比如ID=100002的用户，在源域中曝光次数有7条数据，但在目标域中的曝光次数只有1条数据。解决方法：1）把某一用户的历史曝光聚合成1条数据，这样....
推荐系统专题 | MiNet：跨域CTR预测
面记录一篇跨域CTR预测的推荐系统文章笔记，在参考资料的基础上增加了点理解：paper：MiNet: Mixed Interest Network for Cross-Domain Click-Through Rate Prediction与上一篇提到的跨越召回模型不同，这一篇文章是用于解决跨域ctr预测问题，也就是一个排序模型（精排模型）。用源域（新闻信息）来优化目标域（广告信息）的点击率。1....
推荐系统专题 | 推荐系统架构与单域跨域召回模型
最近开始接触推荐系统的相关模型，内容有点杂乱。主要是想了解一下跨域的CTR预测问题，在网上找了一下资料，找到了一些跨域的推荐算法，比如：DTCTR，MV-DNN等等。但是看了看模型感觉都不想要的解决方案，有点类似有又有点不同。后来觉得，这些算法应该是处理跨域的召回推荐问题，所以想用这篇文章来整理一下笔记与思路。主要的内容是记录推荐系统的整个算法架构（不是系统架构），然后再记录一下看过的一些召回模....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
