论文笔记
文章平均质量分 77
xzhws
推荐系统,数据挖掘,机器学习
展开
-
【论文笔记】UBR4CTR:User Behavior Retrieval for Click-Through Rate Prediction (SIGIR 20)
UBR4CTR将长序列的行为建模用于CTR的预测,舍弃了以前的最近K个序列预测下一个点击item的实验范式。 UBR4CTR可以分成两部分,retrieval和prediction。先利用利用predicted target从用户的历史行为向量中检索出关联性比较高的几条行为序列的embedding,然后将这些行为序列的embedding和用户,context,target item的embedding合并在一起,用于下一个点击商品的预测。原创 2021-05-04 16:34:48 · 2184 阅读 · 0 评论 -
【论文笔记】DIEN: Deep Interest Evolution Network for Click-Through Rate Prediction
本文记录DIEN: Deep Interest Evolution Network for Click-Through Rate Prediction的学习笔记。DIEN在DIN的基础上,不光用了candidate ad作为attention机制的一部分来辅助不同兴趣的单独建模,其次采用了一个附加的loss来监督相邻的历史行为的变化过程,即考虑了用户的兴趣的演化过程。原创 2021-05-03 11:17:43 · 903 阅读 · 0 评论 -
【论文笔记】FM: Factorization Machines
本文记录因子分析机FM算法的推导和理解笔记论文地址https://www.csie.ntu.edu.tw/~b97053/paper/Rendle2010FM.pdfFM 推导过程FM在预测任务是考虑了不同特征之间的交叉情况, 以2阶的交叉为例:y^(x)=w0+∑i=1nwi∗xi+∑i=1n∑j=i+1nWxixj(1)\hat{y}(x)=w_0+\sum_{i=1}^{n}w_i*x_i+\sum_{i=1}^{n}\sum_{j=i+1}^{n}Wx_ix_j \tag{1}y^原创 2021-04-30 17:51:26 · 381 阅读 · 2 评论 -
【论文笔记】DIN: Deep Interest Network for Click-Through Rate Prediction
本文记录DIN: Deep Interest Network for Click-Through Rate Prediction的学习笔记。DIN将attention机制考虑进了CTR的预估任务中,通过设计一个局部激活单元从用户的历史行为中自适应的学习用户的兴趣。学习过程中尤其注意不同模型的改进方向,改进原因,以及主要的缺点。原创 2021-04-23 13:33:54 · 1154 阅读 · 2 评论 -
【论文笔记】Deep Neural Networks for YouTube Recommendations
本文简单记录Deep Neural Networks for YouTube Recommendations的学习笔记原创 2021-04-21 17:47:50 · 83 阅读 · 0 评论 -
【论文笔记】VIT:AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE
本文简单记录关于视觉transformer模型VIT (AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE)的论文笔记和相应的pytorch源码分析文章目录论文及代码地址论文笔记源码分析论文及代码地址论文地址:https://arxiv.org/abs/2010.11929代码地址:tensorflow: https://github.com/google-research/vision_transf原创 2021-04-20 22:00:00 · 849 阅读 · 6 评论