Sat Jul 2

搜索推荐

推荐搜索之DIEN模型

今天要讲的这个网络同样是出自阿里巴巴，这个模型能够被提出来的核心点是阿里巴巴想通过模型模拟了用户兴趣的进化过程。玄乎一点就是想你和用户兴趣转移过程，这一点被提出来还是十分吸引人的。那么接下来咱们就看看DIEN的“进化”动机。DIEN模型上文提到了，如果想要刻画出用户兴趣转移应该从哪方面入手呢？刻画一个事务的变化过程一定是通过一个序列进行表达是最合适的，所以大方向确定了，接下来咱们看看是如何使用的

阅读更多

Sat Jul 2

搜索推荐

推荐搜索之DIN模型

今天要说的DIN模型是产自阿里巴巴推荐团队，它的应用场景是阿里巴巴的电商广告推荐。无论是用户还是广告，都含有两个非常重要的特征--商品id(good_id)和商铺id(shop_id)。用户特征里的商品id是一个序列，代表用户曾经点击过的商品集合，商铺id 同理;而广告特征里的商品 id 和商铺 id 就是广告对应的商品 id 和商铺 id。基于base模型的一些缺点，例如用户特征组中的商品序列

阅读更多

推荐搜索之Deep&Cross

Thu Jun 30

搜索推荐

推荐搜索之Deep&Cross

讲过了Wide&Deep模型以后，貌似已经全面了，是不是就是重点了呢？其实还会有后文可以继续补充咱们的知识面。有请Deep&Cross网络登场。Deep&Cross模型之前咱们讲过使用简单模型增强网络的记忆功能，实际上，我们还想进一步的增加它的交叉能力，所以顺理成章的引进了Cross网络进行补充，接下来咱们看一按下Deep&Cross模型的模型结构。设计Cros

阅读更多

Thu Jun 30

搜索推荐

推荐搜索之Wide&Deep

Wide&Deep现在咱们就要看一下在推荐领域最经典的Wide&Deep模型了。被冠以集合了记忆和泛化能力的模型。其Wide 部分的主要作用是让模型具有较强的“记忆能力” memorization);Deep部分的主要作用是让模型具有“泛化能力”(generalization).记忆能力“记忆能力”可以被理解为模型直接学习并利用历史数据中物品或者特征的 “共现频率”的能力。般来说，

阅读更多

Wed Jun 29

搜索推荐

推荐搜索之PNN模型

PNN加强特征交叉能力PNN 模型的提出同样是为了解决 CTR 预估和推荐系统的问题。对于上文中讲到的DeepCrossing模型，PNN模型在输人、Embedding层、多层神经网络以及最终的输出层部分并没有结构上的不同。唯一的区别在于 PNN 模型用乘积层 ProductLayer)代替了DeepCrossing模型中的Stacking层。也就是说，不同特征的 Embedding 向量不

阅读更多

推荐搜索之Deep Crossing

Wed Jun 29

搜索推荐

推荐搜索之Deep Crossing

Deep Crossing简介Deep Crossing模型的应用场景是微软搜索引擎Bing中的搜索广告推荐场景。用户在搜索引擎中输人搜索词之后，搜索引擎除了会返回相关结果，还会返回与搜索词相关的广告，这也是大多数搜索引擎的主要赢利模式。尽可能地增加搜索广告的点击率，准确地预测广告点击率，并以此作为广告排序的指标之一，是非常重要的工作，也是 Deep Crossing 模型的优化目标。核心

阅读更多

Wed Jun 29

搜索推荐

推荐搜索之AutoRec模型

这个话题咱们要开启一个新的系列啦，尽可能的讲清楚推荐系统的演变过程，以及其中都需要那些问题，并做出什么样的改动，最终取得什么样的效果。希望你能学到一些历史的基础上，还能思考自己做事情的过程。上面是为数不多能把整个推荐发展过程讲清楚的一张图，接下来的章节中，咱们会按照这个图一点一点的讲清楚技术的发展历程。AutoRec 单隐层神经网络推荐模型AutoRec 模型是一个标准的自编码器，它的基本原理是利

阅读更多

文章

229

分类

41

标签

28

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now