工业界精排模型整合

最新推荐文章于 2025-01-15 15:58:17 发布

棉毛裤穿吗

最新推荐文章于 2025-01-15 15:58:17 发布

阅读量324

点赞数

分类专栏： Deeplearning 文章标签： pytorch 机器学习 python

本文链接：https://blog.csdn.net/qq_39782006/article/details/120322133

版权

本文综述了推荐系统中从Wide & Deep到Deep Interest Evolution Network的精排模型发展，包括DeepFM、xDeepFM、AutoInt等，强调了特征交互和注意力机制在模型中的应用，展示了如何通过不同的网络结构和方法提高推荐预测的性能。

摘要由CSDN通过智能技术生成

整合如下,论文链接可直接点击model name跳转。

model name	网络构成	优点
wide&deep	linear + DNN	两种网络结合不但记忆性好且泛化性。
deepFM	DNN + FM	增加了低阶和高阶特征的交互。
AFM	FM based attention	为特征之间的交互的重要程度赋予权重，减弱不必要交互，使得特征交互更具灵活性。
DCN	Cross + DNN	显式高阶特征交互且交互过程中输入输出维度不变。
xdeepFM	linear + CIN + DNN	上升到vector级去除了field内bit级无关的交互。
AutoInt	multi-head attention + DNN	显式学习高阶特征交叉
DIN	local activation unit + DNN	使得用户兴趣多样化更好表达，减弱了无关用户兴趣对用户行为的影响。
DIEN	GRU + (AI/A/AU)GRU + DNN	挖掘用户潜在兴趣，增强了用户兴趣在演化过程中的相互作用。