![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
文章平均质量分 72
lahuoyi
这个作者很懒,什么都没留下…
展开
-
2021/4/22 推荐系统到底是什么
学管理的推荐系统小白无所为而为本文为个人学习笔记,观点仅供参考推荐系统参考项亮老师的推荐系统一书的定义:推荐系统的基本任务是联系用户和物品,解决用户信息过载问题。对推荐系统进行技术上的断代——特征处理维度(参考董振华老师的讲座)1.第一代技术——CF协同过滤技术——核心思想是关联推荐流行时间从1992年到2010年,2010年后,很少作为单独的一门推荐算法出现,但是其关联推荐的思想已被大家所接受,后续许多模型的改进都是在该思想的基础之上做出来的。其中衍生出的KNN(k近邻)、MF(矩原创 2021-04-22 09:34:22 · 213 阅读 · 0 评论 -
DIN
DIN(Deep Interest Network)推荐系统小白----无所为而为Deep Interest Network模型是2018年由阿里巴巴的阿里妈妈团队提出来的模型。具体的应用场景是阿里巴巴的电商广告推荐业务,广告推荐中会产生大量的用户历史行为信息。DIN的创新点:在保证模型参数以及计算复杂度可控的情况下,引入注意力机制来更精准的捕获用户的兴趣点;提出mini-batch aware正则方法和自适应激活函数来辅助模型进行训练。这个模型的使用场景非常重视用户的历史行为特征(历史购买过的商品原创 2021-03-23 11:27:34 · 125 阅读 · 0 评论 -
NFM
NFM(Neural Factorization Machines)推荐系统小白–无所为而为将FM模型纵向的融入DNN模型中的策略。其主要的创新点在于引入了一个特征交叉池化层的结构Bi-Interaction Pooling Layer:本模型最重要的一个结构。在Embedding层和神经网络之间加入了特征交叉池化层是本网络的核心创新了,正是因为这个结构,实现了FM与DNN的无缝连接, 组成了一个大的网络,且能够正常的反向传播。假设Vx\mathcal{V}_{x}Vx是所有特征embeddin原创 2021-03-23 08:45:52 · 153 阅读 · 0 评论 -
DeepFM
DeepFM model是由华为和哈工大联合出品。原文是DeepFM: A Factorization-Machine based Neural Network for CTR Prediction原创 2021-03-19 15:36:06 · 130 阅读 · 0 评论 -
Wide and Deep
在你的应用场景中,哪些特征适合放在Wide侧,哪些特征适合放在Deep侧,为什么呢?为什么Wide部分要用L1 FTRL训练?为什么Deep部分不特别考虑稀疏性的问题?A1. wide是考虑其广度,可以考虑将用户和商品的基本属性导入其中,而Depp侧是可以放入商品和用户的交互特征,让深度神经网络更好的学习其交互特征。A2. FTRL(Follow the Regularized Leader)算法可以提高OGD(online-gradient-descent)的精确度,又能获得更好的稀疏性。因此.原创 2021-03-19 14:09:50 · 111 阅读 · 0 评论 -
deepcrossing
2.1 Embedding layer将稀疏的类别特征转成稠密的Embedding向量,Embedding的维度会远小于原始的稀疏特征向量Embedding是NLP里面常用的一种技术,这里的Feature #1表示的类别特征(one-hot编码后的稀疏特征向量),Feature #2是数值型特征,不用embedding,直接到了Stacking Layer。关于Embedding Layer的实现,往往一个全连接层即可,Tensorflow中有实现好的层可以直接用。和NLP里面的embedding技术异原创 2021-03-16 20:50:11 · 90 阅读 · 0 评论