![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
文章平均质量分 95
布纸所云
这个作者很懒,什么都没留下…
展开
-
【推荐系统】ATRank: Attention-Based User Behavior Modeling Framework For Recommendation
ATRank: An Attention-Based User Behavior Modeling Framework for Recommendation论文地址:https://arxiv.org/pdf/1711.06632.pdf1. Introduction正如单词可以由上下文表示一样,一个用户也可以由他/她的历史行为来表征用户行为通常构成一个与时间相关的序列(a sequence over the timeline)RNN/CNN被引入来encode behavior sequen原创 2020-07-01 11:45:04 · 4659 阅读 · 0 评论 -
【推荐系统】DUPN:Deep User Perception Network
论文地址: https://arxiv.org/pdf/1805.10727.pdfPerceive Your Users in Depth: Learning Universal User Representations from Multiple E-commerce TasksAbstractDUPN (Deep User Perception Network) 通过多任务模型来学习一个通用的用户表征参考资料推荐系统遇上深度学习(五十三)-DUPN:通过多任务学习用户的通用表示...原创 2020-06-20 17:17:39 · 1461 阅读 · 0 评论 -
【推荐系统】Multi-gate Mixture-of-Experts(MMoE)
Modeling Task Relationships in Multi-task Learning with Multi-gate Mixture-of-Experts论文链接论文笔记摘要为什么提出?多任务学习旨在构建单个模型来同时学习多个目标和任务。但是,通常任务之间的关系会极大地影响多任务模型的预测质量。因此,学习task-specific objectives和i...原创 2020-04-21 22:26:50 · 1533 阅读 · 1 评论 -
【推荐系统】AutoFIS: Automatic Feature Interaction Selection in FM for CTR Prediciton
AutoFIS: Automatic Feature Interaction Selection in Factorization Models for Click-Through Rate Prediction论文地址:https://arxiv.org/abs/2003.11235Abstract在推荐系统中学习有效的特征交互对于CTR预估任务是十分重要的。本文提出了一种两阶段的算法:Automatic Feature Interaction Selection (AutoFIS).,能够自动原创 2020-06-16 22:51:43 · 2117 阅读 · 1 评论 -
【推荐系统】FM,FFM和DeepFM
FM假设有nnn个特征:多项式模型y(x)=w0+∑i=1nwixi+∑i=1n∑j=i+1nwiwjxixjy(x)=w_0+\sum_{i=1}^{n}w_ix_i + \sum_{i=1}^{n}\sum_{j=i+1}^{n}w_iw_jx_ix_jy(x)=w0+i=1∑nwixi+i=1∑nj=i+1∑nwiwjxixj其中,nnn 代表样本的特征数量,xix_ixi 是第iii个特征的值,w0,wi,wjw_0,w_i,w_jw0,wi,wj 是模型参数原创 2020-06-07 11:36:59 · 372 阅读 · 0 评论 -
【推荐系统】知识蒸馏概述
一、 知识蒸馏是什么知识蒸馏主要处理的是模型的有效性和效率之间的平衡问题:模型越来越深、越来越复杂,导致模型上线后相应速度太慢,无法满足系统的低延迟要求。知识蒸馏就是目前一种比较流行的解决此类问题的技术方向。一般为teacher-student模式,主要思想是用一个复杂的、较大的teacher model去指导简单的、较小的student model的学习。线上使用的是student小模型。二、Distilling the Knowledge in a Neural Network论文地址原创 2020-05-31 20:37:45 · 953 阅读 · 0 评论 -
【推荐系统】Learning Tree-based Deep Model for Recommender Systems
论文连接:Learning Tree-based Deep Model for Recommender Systems学习基于树的推荐系统深度模型1. 导言基于用户历史行为或者其他有着相似偏好的用户行为来推断用户兴趣的个性化推荐已经被广泛应用于各个领域。挑战:语料库十分庞大的时候,即使是关于语料库大小线性复杂度的模型也不能够接受没有考虑推荐系统的新颖度(novelty)小贴士:...原创 2018-12-23 14:18:56 · 4678 阅读 · 0 评论 -
【推荐系统】Product-based Neural Networks for User Response Prediction
论文地址:Product-based Neural Networks for User ResponsePrediction一、概述Product-based Neural Networks(PNN)的特点如下:直接从Embedding开始,而不需要预训练使用product 层基于Embedding来学习特征之间的交互(包括内积和外积)进一步通过FC来提取高阶特征模式二、模型结构...原创 2020-04-20 21:44:42 · 464 阅读 · 2 评论 -
【推荐系统】Deep & Cross Network
论文地址:Deep & Cross Network for Ad Click Predictions目的如何解决稀疏特征向量稠密化的问题:离散类特征编码后过于稀疏,不利于直接输入神经网络进行训练如何解决特征自动交叉组合的问题如何在输出层达成问题设定的优化目标残差神经网络是什么?二、结构DCN模型的结构如下图所示:Embedding & Stacking lay...原创 2020-04-18 12:19:21 · 404 阅读 · 0 评论 -
【推荐系统】AutoRec:当自编码器遇见协同过滤
论文地址:AutoRec: Autoencoders Meet Collaborative Filtering一、概述将自编码器(AutoEncoder)的思想和协同过滤结合:是个标准的自编码器利用协同过滤中的共现矩阵,完成物品向量或用户向量的自编码利用自编码的结果得到用户对物品的预估评分自编码器是什么?目标自编码器的作用是将向量 r\bm{r}r作为输入,通过重建函数,...原创 2020-04-12 19:18:19 · 1000 阅读 · 0 评论