RecommendSYS

build the ResSys with FunkSVD, FM, itemCF/UserCF, wide&deep with residual net, deepFM with residual net and etc. I try to collect all the algorithm as soon as possible.

推荐算法体系：

• 基于标签推荐：SimpleTagBased，NormTagBased，TagBased-TFIDF
• 于内容的推荐（静态推荐） 新产品上线（冷启动问题）
• 基于协同过滤：User-CF, Item-CF（动态推荐）
• CTR预估：GBDT+LR, Wide & Deep, FM, FFM, DeepFM, NFM, Deep & Cross, xDeepFM, DIN, DIEN, DSIN

基于标签的推荐系统：基于流行度的推荐，热门商品可降权

点评网站，如：大众点评、豆瓣，用户给某个商品打分，系统会自动提示一些标签，此时我们可以设计的推荐算法及策略有哪些？

• (1) 给用户u推荐整个系统最热门的标签;

• (2) 给用户u推荐物品i上最热门的标签;

• (3) 给用户u推荐他自己经常使用的标签;

• (4) 将方法2和3进行加权融合，生成最终的标签推荐结果。

• SVD:

  • FunkSVD:
  • BiasSVD:
  • SVD++

• 因子分解机：FM

• 协同过滤

• 深度学习（tensorflow 2.x） wide & deep

deepfm

NFM

模型效果表