论文
DeepFM: A Factorization-Machine based Neural Network for CTR Prediction
https://arxiv.org/abs/1703.04247
CTR预估是目前推荐系统的核心技术,其目标是预估用户点击推荐内容的概率。
在CTR预估任务中,特征非常重要。
这篇论文提出的DeepFM模型是一种可以从原始特征中抽取到各种复杂度特征的端到端模型,可以有效避免人工特征工程的困扰。
数据集
criteo是非常经典的点击率预估比赛数据集。
下载地址如下:
http://go.criteo.net/criteo-research-kaggle-display-advertising-challenge-dataset.tar.gz
数据集预处理
准备数据和代码
把准备好的数据集从OBS复制到ModelArts。
import moxing as mox
mox.file.copy_parallel("obs://dataset-city/recommend-criteo/data", "/cache/criteo_ori")
把准备好的代码也从OBS复制到ModelArts。
mox.file.copy_parallel("obs://2021-ms-models/deepfm/", "/home/ma-user/work/deepfm")
预处理
用下面的命令,进行数据预处理。
python -m src.preprocess_data --dat