笔记
sinat_39470268
这个作者很懒,什么都没留下…
展开
-
DIN
DIN的出发点在于如果用户的历史购买记录中有类似的商品,那么广告推荐在处理用户序列数据时,应该着重注意这些相似的商品或者说有关联的商品。这种着重注意体现在注意力机制,模型应该自适应的去捕捉用户的兴趣变化,注意力其实也就是权重的加权,DIN设计了一个 local activation unit,利用候选商品和历史问题商品之间的相关性计算出权重。这里面是一个前馈神经网络,输入是用户历史行为商品和当前的候选商品, 输出是它俩之间的相关性, 这个相关性相当于每个历史商品的权重,把这个权重与原来的历史行为embedd原创 2021-03-27 23:42:26 · 160 阅读 · 0 评论 -
推荐系统模型-deep crossing
Deep Crossing模型的应用场景是微软搜索引擎Bing中的搜索广告推荐场景。用户在搜索引擎中输入搜索词之后,搜索引擎除了会返回相关结果,还会返回与搜索词相关的广告。尽可能地增加搜索广告的点击率,准确地预测广告点击率,并以此作为广告排序的指标之一,是非常重要的工作,也是Deep Crossing模型的优化目标。微软使用的特征如下表所示,这些特征可以分为三类:一类是可以被处理成one-hot或者multi-hot向量的类别型特征,包括用户搜索词(query)、广告关键词(keyword)、广告标题(t原创 2021-03-16 23:42:33 · 141 阅读 · 0 评论 -
2020-08-10
文件与文件系统打开文件open(file, mode=‘r’, buffering=None, encoding=None, errors=None, newline=None, closefd=True) Open file and return a stream. Raise OSError upon failure.file: 必需,文件路径(相对或者绝对路径)。mode: 可选,文件打开模式buffering: 设置缓冲encoding: 一般使用utf8errors: 报错级别.原创 2020-08-10 21:45:41 · 279 阅读 · 0 评论