《xDeepFM Combining Explicit and Implicit Feature Interactionsfor Recommender Systems》翻译
发布于 2022-08-19
摘要 特征交叉对许多商业模型的成功至关重要。由于大型互联网系统中原始数据的种类、数量和产生速度，人工制作这些特征通常会带来高成本。基于因子分解机的模...
Posts
Deep & Cross Network Tensorflow2.0实现
发布于 2022-08-15
import tensorflow as tf from keras import layers input_config = { 'category': [ # {'feature': 'hour', &...
《Deep & Cross Network for Ad Click Predictions》翻译
发布于 2022-08-15
摘要 特征工程一直是许多预测模型成功的关键。然而，这个过程并不简单，通常需要手动的特征工程或详尽的搜索。DNN能够自动学习特征的相互作用；然而，它们隐...
《DeepFM A Factorization-Machine based Neural Network for CTR Prediction》翻译
发布于 2022-08-11
摘要 学习用户行为背后复杂的特征交叉，对于最大化推荐系统的点击率至关重要。 尽管取得了很大的进展，但现有的方法似乎对低阶或高阶的交叉有很大的偏见，或...
Wide&Deep Tensorflow2.0实现
发布于 2022-08-07
# pandas分析数据分布 # df = pd.read_csv('/Volumes/Data/oysterqaq/Desktop/Avazu_train.csv', sep=',', low_memory=True, header=0)...
《Wide & Deep Learning for Recommender Systems》翻译
发布于 2022-08-06
摘要 具有非线性特征变换的广义线性模型被广泛用于具有稀疏输入的大规模回归和分类问题。 通过一组叉积特征变换来记忆特征的相互作用是有效的且可解释的，...
DeepFm Tensorflow2.0实现
发布于 2022-08-05
import tensorflow as tf from keras import layers input_config = { 'category': [ # {'feature': 'hour', ...
（转）推荐系统召回四模型之：全能的FM模型
发布于 2022-08-02
原文链接：https://zhuanlan.zhihu.com/p/58160982 既然你点开这篇文章了，我假设你是在某司做推荐系统的算法工程师。这个假设的正确率我估计大约在20%左右，...
《深度学习推荐系统》——前深度学习时代章节 读书笔记
发布于 2022-08-02
传统推荐模型演化关系图 协同过滤 获取用户行为数据 用用户行为数据构建共现矩阵 计算用户之间的相似度（其实就是把对物品的评价作为了用户embedding） 根...
