- 博客(7)
- 收藏
- 关注
RSS订阅原创 推荐系统的一些事情
推荐系统的一些事情 推荐系统本质上就是为了从海量的信息里找到用户的喜欢的内容/商品，帮助用户进行内容浏览等等。然而干这事儿大部分时候都是为了钱！！！例如，推荐场景下是为了让人去买或者把时间花在这破app上，搜索场景下是为了让人的体验变好，从而获得更多流量、给商品给多的曝光等。简介 如上图，...
2020-08-26 10:30:50
124
原创 强化学习的一点点记录和Base
强化学习基础知识零. 简介 监督学习方法通过标注数据来对问题进行建模乃至拟合，进而学习到一个/多个映射函数fff,并用fff进行预测。而强化学习方法一般来说并不强制需要一些“Ground Truth”，侧重于让智能体（agent）在环境中进行探索，从而学习环境中在某种评价机制下受益/奖赏最大的行为模式（俗称，“策略”，policy，也可以理解为一个从状态到动作的映射）。一. 马尔可夫决策过程 在与环境的不断探索中，agent需要不断的作出一系列的决策，从而获取长期/最大的收益或者收益累积。
2020-08-24 23:44:15
187
原创 大规模训练的一些奇技淫巧(torch)
大规模训练的一些奇技淫巧1. 分布式训练1.1 数据并行 数据并行是指，通过将将模型（整个）在不同的设备部署多个副本，每个设备可以处理不同的batch，那么整体而言，我们就增大了训练时数据的吞吐量。从而加速了训练：1.2 模型并行 对不起，我没用过这么大的模型。。。但是，基本思路就是你在一个device算完模型的一部分之后，在to到另一个device就行了，参考下面：2. torch里的一些奇技淫巧 在torch里进行dataParallel, 我们大概来说有两个接口可以
2020-08-23 15:33:12
305
1
原创 二、attention 机制的用户序列建模
二、attention 机制的用户序列建模2. Deep Interest Evolution Network2.1 简介在这篇文章发布之前的CTR预估或者推荐排序算法中，都将做用户的行为序列表征进行池化或者attention机制加权平均作为用户兴趣的表征，直接使用用户的行为序列信息作为用户兴趣，没有考虑用户的潜在兴趣的特征。此外，这种办法的用户特征表征，也没有考虑用户的兴趣是处于一个u 段发展的状态，而不是固定一成不变的。这篇文章的作者，与其他的工作直接采用用户的行为序列作为兴趣表征不同，作者建立
2020-08-23 00:46:54
442
原创 attention方式的算法
二、attention方式的算法1. Deep Interest Network1.1 简介《Deep Interest Network for Click-Through Rate Prediction》；在这篇文章提出来的时候，大部分的基于DNN的CTR预估算法都采用如下的套路：a. 首先，将稀疏的高维用户/item特征映射到低维稠密的embedding，然后分组把这些embedding 映射到一组定长的表征向量，然后把这些向量concat起来，然后经过多层的NN，来学习各类特征的交叉特征得到用户
2020-08-22 22:18:51
637
原创 机器/深度学习的总结和备份
先立flag1. 强化学习部分1.1 多智能体强化学习2.1 单智能体强化学习2. 自然语言处理2.1 预训练模型2.2 注意力机制2.3 序列标注2.4 NLP里的小样本学习3. 推荐系统相关3.1 Graph-Based Embedding3.2 搜索算法3.3 匹配/召回常见算法3.4 排序：粗拍/精排算法3.5 用户序列建模...
2020-08-22 17:42:47
84
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