【推荐算法-特征工程】每种item单侧特征,都可产生对应user单侧特征

比如item的平均成单价格,可以分成10个档位,作为一个标签值打在item上,

那么对应user对item的click用户行为,就能产生user-click的10个档位作为特征值 作为user的标签。

比如item的平均点击率,也可以分成比如20个档位,作为一个标签值打在item上,

那么对应user对item的click用户行为,也能产生20个档位的特征值 作为user的标签。

乃至user-order-day-of-week,user-click-day-of-week,user-order-hour-of-day,user-click-hour-of-day,都可以作为用户的标签。

相关推荐
硅谷秋水15 小时前
AgenticRoboRL:将“编程智能体”后训练引入智能体化机器人领域
人工智能·机器学习·语言模型·机器人
硅谷秋水18 小时前
DiscoveryRSI:通过递归学习发现有价值的假设
人工智能·机器学习·语言模型
hkNaruto18 小时前
【AI】游戏大模型智能体OODA过程记忆问题解决方案:AgenticSTS 有界记忆契约:技术分析与流水线改造操作手册
人工智能·游戏·机器学习
lisw0520 小时前
智能化机器人系统的模块化设计自动化!
机器学习·机器人·自动化
AI源码21 小时前
基于机器学习的古籍文字识别与断句校正系统
人工智能·机器学习
坐吃山猪21 小时前
果蝇AI06-Mac部署实操
人工智能·深度学习·机器学习·果蝇ai
莱茶荼菜1 天前
【slam公式】
人工智能·线性代数·机器学习
敢敢のwings1 天前
TACDYN-WAM 深度解读:机器人如何预测接触变化,并据此生成动作
人工智能·机器学习·机器人
坐吃山猪1 天前
果蝇AI07-Mac部署踩坑
人工智能·深度学习·机器学习·果蝇ai