实战34:SASRec Transformer 算法实战：进行基于Transformer的商品推荐 详细教程

已于 2023-01-08 13:23:51 修改
阅读量623 收藏
点赞数 1
分类专栏： 机器学习实战100例 文章标签： python 深度学习 自然语言处理 人工智能 信息抽取
于 2022-11-26 11:25:37 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_55771290/article/details/128049666
版权
本教程详细介绍了如何利用SASRec Transformer算法进行商品推荐。内容包括数据加载与预处理、模型构建及优化思路。模型基于用户历史点击记录，采用Transformer结构，利用多头注意力机制进行训练，并探讨了self-attention和多头注意力的实现细节。优化方向包括反馈层替代、增强模型以及loss函数调整。
摘要由CSDN通过智能技术生成

案例简介

(1)方法概述: 本教程包含如下内容：

  • 从原始的数据文件中加载数据，进行训练集和测试集的切分，并对测试集进行负采样。

  • 对数据分batch, 利用用户历史点击记录进行模型训练

  • 结果展示

(2)宏观流程图

2.准备工作

(1) 对应库的安装(以下是运行环境)

tqdm==4.51.0

numpy==1.19.2

torch==1.7.0

(2) 其他环境

python=3.8

数据集：https://download.csdn.net/download/qq_38735017/87164686

<
了解本专栏 订阅专栏 解锁全文 超级会员免费看
计算机毕设论文
关注
专栏目录
订阅专栏
通过SASRec算法进行基于Transformer的商品推荐
11-26 1105
通过SASRec算法进行基于Transformer的商品推荐
BST：Transformer在推荐领域的应用
Kaiyuan_sjtu的博客
03-21 3026
作者| 知乎博主@青枫拂岸整理|NewBeeNLP阿里的搜索团队在2019 DLP-KDD上发表的《Behavior Sequence Transformer for E-comme...
完整代码——SASRec 基于自注意力的序列推荐
最新发布
m0_63294504的博客
09-16 2192
“基于自注意力的顺序推荐”论文复现，内含完整可运行的pytorch版本代码
通过SASRec算法进行基于Transformer的商品推荐-数据集
11-26
通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集
Transformer在推荐系统中的应用
Tak-Wah Blog
07-21 2724
本文主要介绍一下Behavior sequence transformer for e-commerce recommendation in Alibaba文章和美团基于此文章所改进的算...
算法部署-在浏览器边缘端部署Transformer-NLP模型-附项目源码+流程教程-优质项目实战.zip
05-16
项目源码和流程教程将详细展示这些步骤的实现过程，对于学习算法部署和前端计算技术的开发者来说，这是一个非常有价值的实战项目。通过实践，你不仅可以深入理解Transformer模型的工作原理，还能掌握在浏览器端运行...
优秀毕业设计：基于transformer的序列数据二分类完整代码+数据可直接运行
11-16
最近来自阿里达摩院、上海交通大学的几位学者就近年来针对时间序列场景中的Transformer模型进行了汇总，在Arxiv上发表了一篇综述。综述涵盖了Transformer针对时序问题下的具体设计，包含预测、异常检测、分类等诸多...
推荐算法炼丹笔记：序列化推荐算法SASRec
炼丹笔记
11-14 1750
作者：一元 ，公众号：炼丹笔记背景本文介绍一篇较早使用Self-Attention进行序列化推荐的文章,也是目前大多数序列化推荐算法非常重要的Baseline，最典型的场景可以参见标题，该篇文章的思路也是现在推荐系统岗位经常考的一篇，还不速速学习一波。序列动态是许多当代推荐系统的一个重要特征，它试图根据用户最近执行的操作来捕捉用户活动的“上下文“。本文提出了一个基于self-attention的...
【序列推荐、Transformer】SASRec：Self-Attentive Sequential Recommendation
CRW__DREAM的博客
04-12 5410
《SASRec：基于自注意力机制的序列推荐》transformer最早提出是用在NLP领域做机器翻译的，本文将transformer中的注意力机制用在序列推荐上，**对于给定的物品序列来预测下一个最可能出现的物品是什么**（采用自注意力机制来对用户的历史行为信息建模，提取更为有价值的信息。最后将得到的信息分别与所有的物品embedding内容做内积，根据相关性的大小排序、筛选，得到Top-k个推荐。）。该方法在稀疏和密集数据集上都优于各种先进的序列模型。
transformer算法嵌入到产品，预测客户评论
百态老人的博客
02-11 129
训练 Transformer 模型：使用预处理后的数据来训练 Transformer 模型，可以使用现成的 Transformer 库，例如 Hugging Face 的 Transformers，或者使用 TensorFlow 或 PyTorch 等深度学习框架搭建自己的 Transformer 模型。在具体实现时，需要根据产品的需求进行相应的修改。集成到产品中：将训练好的 Transformer 模型集成到产品中，可以通过编写程序或者使用现成的 API 将模型嵌入到聊天框中。
Recommender-System-with-TF2.0:使用Tensorflow2.0重复推荐纸
03-11
前言 带有TF2.0的开源项目Recommender System with TF2.0主要是对经典的推荐系统论文进行复现，包括匹配（召回） （NCF，SASRec，STAMP等），排名（粗排） （WDL，DCN等）。 建立原因： 理论和实践似乎有很大的间隔，学术界与工业界的差异更容易； 更好的理解论文的核心内容，增强自己的工程能力； 很多论文定义的开源代码都是TF1.x，因此想要用更简单的TF2.x进行复现； 项目特点： 使用Tensorflow2.x进行复现； 每个模型都是相互独立的，不存在依赖关系（当然因为这也增加了很多重复工作）； 模型基本遵循论文进行重建，实验尝试使用论文转化的的公共数据集； 模型都附有README.md ，对于模型的训练使用有详细的介绍； 代码源文件参数，函数命名规范，并带有标准的注释； 重要更新 【2020.12.20】在Top-K模型中，评估方式为正负样本1
【ccf2021训练赛】图书推荐算法赛道（SASRec序列推荐模型 | 序列推荐模型分类）
发现问题，并解决问题，批判性思维
09-25 1502
- SASRec（召回）提出基于自注意力机制的序列推荐，考虑用户序列行为中不同交互的重要程度。 - SASRec和以下算法进行比较： - 不考虑序列的传统推荐：PopRec、BPR； - 基于马尔可夫链的序列推荐：FMC、FPMC、TransRec； - 基于深度学习的序列推荐：GRU4Rec、GRU4Rec+、Caser
SASRec: Self-Attentive Sequential Recommendation阅读笔记
pocket_eight的博客
06-30 1438
Self-Attentive Sequential Recommendation 2018年的经典文章时序动态是许多现代推荐系统的一个关键特征，它们试图根据用户最近执行的操作来捕捉用户活动的“背景”。为了捕捉这种模式，出现了两种方法：马尔可夫链(MC)和递归神经网络(RNN)。马尔科夫链假设用户的下一个动作可以根据他们的最后(或最后几个)动作来预测，而RNN原则上允许发现更长期的语义。一般而言，基于MC的方法在模型简约性至关重要的极稀疏数据集中执行得最好，而RNN在较密集的数据集中执行得更好，因为较高的模型
SASRec笔记
qq_52806062的博客
12-11 606
注意力权重的可视化还显示了我们的模型如何自适应地处理不同密度的数据集，并揭示了活动序列中的有意义的模式。：在每个时间步骤中，SASRec都试图从用户的行为历史中识别出哪些物品是“相关的”，采用自注意力机制来对用户的历史行为信息建模，最后使用它们来预测下一个物品。答：采样分为训练采样和测试采样，此处是测试采样，像LightGCN指的是训练采样，加快训练，对于采样有关知识，可在学习了解一下。答：编程的时候，希望输入的是个矩阵，长度不固定，输入数据就会不规则，不能用向量矩阵操作，从而不能发挥性能优势。
探索SASRec: 高效的序列到序列推荐系统框架
gitblog_00020的博客
04-14 799
探索SASRec: 高效的序列到序列推荐系统框架 SASRecSASRec: Self-Attentive Sequential Recommendation项目地址:https://gitcode.com/gh_mirrors/sa/SASRec 在数据驱动的时代，个性化推荐系统已经成为提高用户体验和商业价值的重要工具。今天我们要关注的是一个名为SASRec（Sequential Attent...
ICML2018|基于自注意力的序列推荐模型SASRec(已开源)
hestendelin的专栏
03-16 5544
Self-Attentive Sequential RecommendationWang-Cheng Kang, Julian McAuleyUC Sa...
SASRec 项目使用教程
gitblog_00035的博客
08-16 366
SASRec 项目使用教程 SASRecSASRec: Self-Attentive Sequential Recommendation项目地址:https://gitcode.com/gh_mirrors/sa/SASRec 1. 项目的目录结构及介绍 SASRec 项目的目录结构如下： SASRec/ ├── data/ │ ├── README.md │ └── ... ├── m...
SASRec论文代码复现讲解（教你如何读代码）倾囊相授！
xml的博客
04-22 1608
本文是我个人的学习总结，我也是初学者，但是我有很认真在思考做笔记，如果你也是初学者，我相信这对你的帮助很大，因为下面是作为刚入门的我的思考过程，这次先讲代码中部分函数，后边我会在本文慢慢更新，记得关注。可以先试着看看下边的内容，或许对你有所帮助！目前，我比较喜欢一个模块一个模块 or 一个函数一个函数去解决，我可能先看数据怎么处理划分的，每个模块我会用代码测试一下，可以看一下输出结果跟自己想的一不一样，遇到不会的函数就去百度+自己写代码测试，非常好用。
Scikit-Learn实战项目：使用Transformer处理Boston数据集
TensorFlow（一）Scikit-Learn之Transformer项目实战过程 本文主要对使用 Scikit-Learn 来构建不同模型的实例项目进行介绍，涵盖了从数据获取到降维的整个过程。 Scikit-Learn 是一个基于 Python 的机器学习库，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

计算机毕设论文

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值