![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度推荐模型
文章平均质量分 93
埋在地里的小土豆
这个作者很懒,什么都没留下…
展开
-
深度推荐模型DIN
DIN今天来学习深度推荐模型中的深度兴趣模型DIN(Deep Interest Network),该模型是由阿里在17年提出的,该模型充分利用用户历史行为数据中的信息来提高CTR预估的能力。以这个模型的使用场景是非常注重用户的历史行为特征(历史购买过的商品或者类别信息)模型背景常用的CTR预估模型都是将高维离散型特征转换为固定长的连续型特征,然后通过多个全连接层,最后通过一个激活函数转化为0-1的值,来代表点击的概率,过程即为Sparse Features -> Embedding Vector原创 2021-03-28 00:06:21 · 341 阅读 · 0 评论 -
深度推荐模型之NFM模型
NFM背景今天学习深度推荐模型中的NFM(Neural Factorization Machines)模型,该模型是由2017年在SIGIR会议上提出的。CTR预估中,为了解决稀疏特征的问题,学者们提出了FM模型来建模特征之间的交互关系。但是FM模型只能表达特征之间两两组合之间的关系,无法建模两个特征之间深层次的关系或者说多个特征之间的交互关系,所以通过Deep Network来建模更高阶的特征之间的关系,提出了一种将FM融合进DNN的策略,通过引进了一个特征交叉池化层的结构,使得FM与DNN进行了完美原创 2021-03-25 00:32:20 · 808 阅读 · 0 评论 -
DeepFM
推荐算法DeepFM算法背景对于一个基于CTR预估的推荐系统,最重要的是学习到用户点击行为背后隐含的特征组合。在不同的推荐场景中,低阶组合特征或者高阶组合特征可能都会对最终的CTR产生影响,所以说特征组合问题是深度学习推荐模型的重中之重。对于上述特征组合问题,传统的解决方案有因子分解机算法(FM),该算法通过对于每一维特征的隐变量内积来提取组合特征,研究发现,该方案的结果相较于传统的算法有了较大的改善,但是FM算法其复杂度高,计算困难,通常只能用于二阶特征组合。对于高阶特征特征组合往往较为吃力。对于高原创 2021-03-21 23:47:21 · 109 阅读 · 0 评论 -
Wide&Deep模型
Wide&Deep这次我们来学习推荐算法中的Wide&Deep模型。该模型出自Google 在16年发布的一篇文章Wide & Deep Learning for Recommender Systems。在文中提出了一种融合浅层(wide)模型和深层(deep)模型进行联合训练的框架该框架综合利用浅层模型的记忆能力和深层模型的泛化能力,实现单模型对推荐系统准确性和扩展性的兼顾。该模型主要用来在推荐系统的点击率预估,即给出用户一个物品是否进行点击操作或者给出点击的概率。文章摘要原创 2021-03-19 00:33:49 · 294 阅读 · 0 评论 -
DeepCrossing学习
DeepCrossing学习此次在datawhale小组下学习深度推荐算法,对于推荐算法,只看过协同过滤和隐语义模型,对于深度学习推荐算法知之甚少,通过此次学习了解深度推荐算法。首先开始学习DeepCrossing模型。算法原理DeepCrossing模型主要解决的问题1.特征在编码后过于稀疏,输入神经网络中训练不太适合,deepcrossing模型可以解决稀疏特征向量稠密化的问题。2.在深度学习中经常会遇到特征交叉组合问题,DeepCrossing可以很好解决特征自动交叉组合问题。3.可以原创 2021-03-17 02:01:46 · 277 阅读 · 0 评论