- 博客(7)
- 收藏
- 关注
RSS订阅原创 深度学习推荐系统论文汇总
AutoRec AutoRec: AutoRec: Autoencoders Meet Collaborative Filtering。 Deep Crossing Deep Crossing: Deep Crossing: Web-Scale Modeling without Manually Crafted Combinatorial Features。 NeuralCF NeuralCF: Neural Collaborative Filtering。 PNN PNN: Product-based N
2020-08-08 19:27:00
808
原创 word2vec资料汇总
论文阅读 word2vec是基于单词的上下文语境学习单词的词向量表示的一种技术，相比于one-hot编码高维、稀疏的特点，word2vec可以学习到低维、连续的词向量表示，同时编码的词向量可以很好的度量单词的语义相似性。相关论文可以参考：Efficient Estimation of Word Representations in Vector Space 。 模型解析 为了学习单词分布式的词向量表示，word2vec提出了两种模型CBOW和Skip-gram，其中CBOW是基于单词的上下文单词预测中心单词
2020-07-11 17:11:44
245
原创 graph embedding资料汇总
论文阅读 图嵌入(graph embedding)算法的目标是将图中每个顶点映射到一个高维的连续空间中，使得原来图中近邻的顶点或者相同结构的顶点投影到高维空间后，保持近邻关系不变。比价经典的论文有：depwalk 和 node2vec。 模型解析 deepwalk基于随机游走算法产生节点序列，然后调用word2vec算法学习每个节点的embedding，而node2vec在采样节点序列时同时考虑节点的近邻关系和节点的结构相似关系，利用广度优先和深度优先算法产生节点序列，然后调用word2vec算法学习每个节
2020-07-04 19:21:46
245
原创 bert资料汇总
论文阅读 bert是google提出的一种基于transformer的深度语言模型，其最大的特点一是使用transformer作为特征提取器，替换了之前的RNN；二是双向编码的深度模型。了解该模型最直接的方式就是阅读论文原文：BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding。 模型解析 bert模型是一种基于transformer多层堆砌的深度语言模型，其深度可以达到L = 24 层。相较于之前深
2020-06-25 18:52:33
238
原创 因子分解机公式推导（Factorization Machine）
基本定义 在逻辑回归的分类公式中，传入给sigmoid函数的参数是特征的线性组合，计算如公式1所示。该公式的不足之处是没有考虑特征间的相互作用，而特征的相互作用（即特征交叉）是很重要的，例如在CTR预估场景，性别和购买行为就有很强的关联性，女性更愿意购买化妆品，而男性更愿意购买运动产品。为了考虑特征的相互作用，因子分解机（Factorization Machine，简称FM）显示地对两两特征交叉进...
2019-12-07 19:37:55
720
1
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