![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
推荐系统
文章平均质量分 92
推荐系统相关
ObsidianL
这个作者很懒,什么都没留下…
展开
-
推荐系统论文阅读笔记(二)DeepFM: A Factorization-Machine based Neural Network for CTR Prediction
参考博客:https://www.jianshu.com/p/6f1c2643d31b1. 思路low-order和high-order的feature interaction同样重要,FM擅长发现low-order的特征交互,DNN擅长发现high-order的特征交互。DeepFM将FM和DNN联合在一起,综合了二者的优点。相较于Wide&Deep,DeepFM不需要对原始特征进行人工特征工程的工作,FM会自动学习特征交互。点击率预测——CTR(click-through rate)对于推原创 2021-06-18 15:05:22 · 245 阅读 · 0 评论 -
推荐系统论文阅读笔记(一)Wide & Deep Learning for Recommender Systems
Wide & Deep Learning for Recommender Systemswide and deep 模型的核心思想是结合线性模型的记忆能力(memorization)和 DNN 模型的泛化能力(generalization),在训练过程中同时优化 2 个模型的参数,从而达到整体模型的预测能力最优。1. Wide&Deep模型介绍wide部分,也就是广义线性模型,广泛用于大规模的回归和分类问题。一般:线性模型 + 特征交叉优点是具有较强的记忆能力,并且可解释性很强缺原创 2021-06-18 09:42:07 · 520 阅读 · 0 评论