GRU4Rec
文章目录
前言
提示:这里可以添加本文要记录的大概内容:
例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。
提示:以下是本篇文章正文内容,下面案例可供参考
一、GRU
RNN与GRU原理图,不了解的同学请自行了解
二、本文模型
2.1 SESSION-PARALLEL MINI-BATCHES
作者的做法,其实就是把无意义的padding(padding本身不包含语义信息)优化为有意义的padding(用其他session的事件来padding)
2.2 SAMPLING ON THE OUTPUT
理想情况下,可以计算所有item的分数。但是在实践中,需要对负样本采样,作者的做法也很简单,同一个mini-batch的其他样本就是负样本。
2.3 RANKING LOSS
pointwise and pairwise的ranking loss作者都试过了,发现pairwise ranking loss表现更好,作者用了BPR和TOP1
BPR(Bayesian Personalized Ranking):
TOP1: