在数据统计分析中，经常会遇到需要对时间进行格式转化或其他层面的内容。由于每种数据库自带的相关函数存在一定的差异，所以经常会记不得如何使用。今天做下简单的梳理。 在开始学习日期/时间函数先，先来了解下…
最近在做点评做分析，主要目的是为了提取用户对点评的整体印象。类似的实现应该已经有很多了，于是从网上的开源代码中借鉴了思路。主要使用思路为：词性标注+正则提取。 词性标准，主要选择的是斯坦福的NLP工具…
FastFM 简介 FastFM 的主要特点是将是将因子分解 封装成 scikit-learn API 接口，核心代码使用 C 编写，性能有一定的保障。 fastFM 主要提供了回归、分类、排序三种问题的解决方法。其中对于优化器，有als，mcmc…
Surprise简介 Surprise（Simple Python Recommendation System Engine）是一款推荐系统库，是scikit系列中的一个。surprise设计时考虑到以下目的： 让用户完美控制他们的实验。为此，特别强调文档，试图通过指出…
前面我们学习了腾讯Item-based CF实时推荐算法，这篇文章延续同样来自腾讯，介绍的是腾讯实时视频推荐系统的实践。内容来自论文： Real-time Video Recommendation Exploration 这篇论文中的内容。 简介 传统的技术…
以下内容主要翻译自2015年腾讯发表的论文 TencentRec: Real-time Stream Recommendation in Practice。对于推荐的搭建还是非常有借鉴意义。 简介 传统的推荐系统通过定期（几小时或几天）分析和更新模型并不能满足…
稀疏矩阵是指矩阵中的元素大部分是0的矩阵，事实上，实际问题中大规模矩阵基本上都是稀疏矩阵，很多稀疏度在90%甚至99%以上。因此我们需要有高效的稀疏矩阵存储格式。本文总结几种典型的格式：COO,CSR,DIA,ELL,HYB…
公司大部分应用的使用的是JAVA开发，要想使用Python模型非常困难，网上搜索了下，可以先将生成的模型转换为PMML文件后即可在JAVA中直接调用。 PMML简介 模型预测标记语言（Predictive Model Markup Language）是由…
项目需求 去除从地图网站抓取的POI数据中的重复数据。示例数据如下： 思考逻辑 POI去重问题，并非简单的文本匹配，按照编辑距离去做，可能会走到沟里去。 不同地方有相同名字的POI点，如： 行政管理中心 人民…
在之前的文章中我们学习了CTR常用模型：FM、FFM和DeepFM，也学习了美团搜索广告CTR预估模型的演变。这篇文章主要从实战的角度，梳理CTR算法的使用方法。 数据准备 KASANDR Data Set Abstract: KASANDR is a novel, …
