- 博客(6)
- 收藏
- 关注
RSS订阅原创 基于术语词典干预的机器翻译挑战赛
本次线上学习让我了解了NLP领域模型的发展和基本原理，希望接下来能学到更多的调参优化方法，以及对背后的数学原理有更深入的理解。
2024-07-20 21:00:27
554
原创 推荐算法学习笔记--DIN篇
目录模型简介模型结构与分析1.Embedding层2.Pooling层与Concat层3.MLP4.Loss模型搭建与训练模型简介DIN（Deep Interest Network）是2018年阿里巴巴基于对业务的观察而提出的模型，应用于阿里巴巴的电商广告推荐业务。不同于以往的深度学习推荐模型前向传播流程（稀疏向量稠密化→拼接离散和连续部分→喂入DNN中进行特征交叉），DIN引入了注意力机制，使得该模型能够基于大量用户历史行为信息，计算历史信息与当前商品的关联，从而对用户是否点击某个商品进行预测，并且能
2021-03-27 22:22:42
1400
2
原创 推荐系统学习笔记之NFM模型
目录模型简介模型结构与分析Input层Embedding层B-Interaction 层隐藏层（Hidden Layers）预测层（Prediction Score）模型搭建及训练数据集代码训练结果总结模型简介NFM(Neural Factorization Machines)是2017年由新加坡国立大学的何向南教授等人在SIGIR会议上提出的一个模型，是传统FM模型的改良，目的是为了解决FM模型因只能交叉到二阶，且是线性模型从而在真实生活场景中复杂且具有规律的数据上表现不佳的问题。模型结构与分析模
2021-03-24 23:30:49
970
原创 推荐算法学习笔记--DeepFM模型篇
目录DeepFM简介研究背景模型结构Deep部分FM部分DeepFM代码模型训练结果DeepFM简介研究背景在CTR（点击通过率）问题的研究中，如何令模型更好、更高效地学习特征组合是研究的重中之重，DNN（深度神经网络）具有的特征组合能力使其能够学习到高阶的特征组合，结合FM对低阶特征的学习，使模型可以同时从raw feature中学习到高阶和低阶的特征交互。模型结构模型主要分为Deep和FM两部分Deep部分Deep部分是一个前馈神经网络（图1），作用是为了学习高阶的特征组合。与图像或者语
2021-03-21 23:53:46
407
原创 推荐算法学习笔记之Deep&Wide模型
文章目录模型简介解决的痛点：模型结构wideDeep模型代码（主要基于TensorFlow）部分训练过程总结模型简介Wide&Deep模型是由谷歌于2016年提出，并在Google Play store的场景中成功落地。模型特点是由wide部分为模型提供记忆能力，由deep部分提供泛化能力解决的痛点：传统的DNN（Deep Neural Networks，深度神经网络）能将高维稀疏特征编码为低维稠密的Embedding vector，这种基于Embedding的方式能够有效提高模型的泛化能
2021-03-18 22:31:32
1245
原创 推荐算法学习笔记之DeepCrossing
DeepCrossing简介DeepCrossing于2016年由微软提出，主要应用于Bing搜索引擎中搜索广告推荐场景，用户在搜索引擎中输入搜索词后，搜索引擎除返回相关结果，还返回搜索词相应的广告，预测广告点击率（Click Through Rate）,并以此作为排序指标，是该模型的优化目标，下图为DeepCrossing的模型结构：Layers及其各自的作用我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：
2021-03-16 19:44:01
337
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人