新闻推荐系统
案例介绍
2.用Grapg Embedding之阿里EGES方法将用户及商品特征信息转为向量；
3.基于相似性矩阵及embedding进行召回，得到每个用户对应的召回商品列表；
4.使用LGB,DIN,Deep&FM模型进行CTR预估；
5.每个模型的预估能力有一定的差异，根据预估性能赋予对应的权重，将多个模型进行加权融合；
6.在每个商品召回列表中根据点击率从大到小进行排序，选出前5个最有可能发生点击的商品；
新闻推荐系统
案例介绍
1.基于user,基于item分别求出对应的相似性矩阵；
2.用Grapg Embedding之阿里EGES方法将用户及商品特征信息转为向量；
3.基于相似性矩阵及embedding进行召回，得到每个用户对应的召回商品列表；
4.使用LGB,DIN,Deep&FM模型进行CTR预估；
5.每个模型的预估能力有一定的差异，根据预估性能赋予对应的权重，将多个模型进行加权融合；
6.在每个商品召回列表中根据点击率从大到小进行排序，选出前5个最有可能发生点击的商品；
案例图片
1小时精推人才
需求方专属客服，免费梳理匹配
