今天来总结一下BPR吧，也是近几年非常热门的一个算法，原因有三，简单的计算迭代方式，关注implicit feedback问题，同时关注rank loss而不是传统的mse等等。 BPR的基本介绍发现以前自己写过，那就不在这多废话了，大家可以点过去看，这里主要写一下作者BPR发表几年后的一篇改进，以及BPR存在的问题。 BPR讲解的传送门 作者对于BPR的改进是14年的这盘文章 Rendle, ...

这篇文章是雅虎关于新闻推荐的一篇文章，发在KDD2017上，比较有insight的一篇文章。 传统基于协同过滤或者矩阵分解相关的算法并不适用于新闻的推荐，因为新闻的迭代速度块，短时间内会产生大量的新物品，也会代替掉去多过时的物品，所以新闻推荐的三个关键点在于： - 理解文章的内容 - 理解用户的偏好 - 根据内容和偏好列出给用户推荐的内容 一个最基础的做法是将文章看作是文本中词的集合，将用户看做历 ...

Chap1 Introduction 我们的目标是研究：当一个人（agent）面对很多的选择时，行为过程是如何影响最终的决策。 定义可以观测到的影响因素用\(x\)表示，无法观测的影响因素用\(\epsilon\)表示，则通过一个函数\(y=h(x,\epsilon)\)标识用户的选择，这个函数称为行为过程，behavioral process。因为无法观测的变量\(\epsilon\)所以age ...

Integer Programming 整数规划的general form \[ \begin{aligned} \max & &cx\\ \text{subject to}&&Ax\leq b\\ && x>0& &\text{integral} \end{aligned} \] 混合整数规划的general form \[ ...

这篇文章主要做的内容是将正确size的商品推荐给客户，很细致的工作，亚马逊的推荐，发表在recsys2017。 定义一个商品为parent product，而这个商品的不同尺寸的SKU称之为其的child prodcut，产品集合\(\mathcal{P}\)，用户集合\(\mathcal{C}\)，购买记录集合\(\mathcal{D}=(i,j,y_{ij})\)表示用户\(i\)购买\(j\ ...

这篇文章发于AAAI2018，阿里的一篇文章。文章主要想法是一种利用teacher-student network，来用简单的网络直接去学习复杂网络的表征，以降低计算的复杂度，应用于在线预测等方面。 1 图中可见，主要分为两部分的网络，一部分是booster net，一部分是light net，其中booster net中的层为计算复杂程度较高的网络连接，比如加BN，加ResBlock等等， ...

这篇文章主要解决了由于对物品和对用户做embedding时时长差距较大情况，而提出多种采样方式，来提高总体的训练速度，文中的review总结的很好。 作者先对已有的embedding做推荐的方式做了一个framework，如上图所示，矩阵分解或者其他embedding都可以认为是one-hot的用户与物品经过functional embedding之后再得到最后的结果。 作者对当前implici ...

今天看nips2017的预选论文，翻到了4篇推荐相关的，其中3篇都是做cold start问题，看来这个问题最近很火热嘛，包括了RL和meta learning，看来有必要跟进一波潮流。再看其他的论文的时候，还翻到了微软的lightGBM，果断先捞出来看一下。 之前网上流传了许多关于lightGBM相关的内容，但是看到论文才是最实在的，文中提到相比于其它关于GBDT的实现，对于计算信息增益来划分节 ...

BPR这篇文章应该是近几年比较特别有意思的文章，有多想法的亮点，值得大家来细细品味。 这篇文章主要的contribution在于以下几点： 提出了一种通用的优化标准BRP-OPT，利用最大后验估计来优化个性化的排序，并且优化BRP-OPT的效果与优化AUC相似； 为了最大化BRP-OPT，提出了基于梯度下降和重采样的通用学习方法LearnBRP，并且可以较有效果； 能够将LearnBRP应用到当 ...