DLShark

摘要： BERT 情感分析 一、 数据集加载与模型训练 from transformers import BertTokenizer, BertForSequenceClassification, Trainer, TrainingArguments from datasets import load_da 阅读全文

摘要： 前言：这篇文章记录了本人复现Face X-ray代码的过程以及参考的代码。由于这篇文章是笔者在完成复现完编写的，可能会有一些bug或者问题遗漏。在实现过程中，在关键点检测和混合人脸的过程推荐使用3.6版本的python环境。 一、关键点检测 原文参考的关键点检测模型是Joint cascade fa 阅读全文

摘要： key word: Google应用商店 Motivation： 作者认为一个好的推荐模型需要包含memorization和generalization。memorization主要负责记忆法频繁出现的特征项；generalization主要负责挖掘新的特征组合；截至2016年，作者认为目前的基于神 阅读全文

摘要： key word: 阿里巴巴，广告点击率预测 Motivation： 截至2018年，还没有相关的推荐算法考虑到用户兴趣的趋势。作者认为大多数的模型是直接将行为视为兴趣，无法直接提取用户真正的潜在兴趣特征。因此，作者提出了DIEN模型，利用interest extractor layer通过用户历史 阅读全文

摘要： key word: 学术论文 Motivation：传统的Embedding&MLP算法是通过内积和Hadamard product实现特征交互的，这篇文章的作者提出了采用SENET实现动态学习特征的重要性；作者认为简单的内积和Hadamard product无法有效对稀疏特征进行特征交互，因此提出 阅读全文

摘要： key word: 阿里巴巴广告推荐 Motivation：传统的Embedding&MLP算法会在用户的不同兴趣上产生瓶颈，这些算法是通过模型输出的用户不同行为序列的特征向量，做一个池化操作最后预测点击率，这种固定的特征往往不能够反应用户不同的兴趣特征，池化操作会损失特征信息。例如在广告推荐系统中 阅读全文

摘要： 这篇文章的模型是在广告推荐的背景下实现的。 预测任务：预测用户在给定查询中点击广告的可能性 一、研究动机 ​ 此前的特征交互是基于人工操作的，面对现如今大规模的特征很难再去人工生成大规模的交互特征。因此，这篇文章提出了Deep Crossing model，是将稠密和稀疏数据作为输入，自动交互特征的 阅读全文

摘要： 前言：推荐系统中模型发展较快，初学者【也就是笔者】很难对模型进行一个系统的学习。因此，这篇文章总结了王树森中的视频以及《深度学习推荐系统》中的单目标精排模型，绘制了一个单目标精排模型的思维导图来帮助初学者【笔者】更好的学习。在后面的学习过程中，会加入更多的单目标精排论文的学习过程以及丰富思维导图。 阅读全文

摘要： 前言：这篇文章是阅读石塔西《互联网大厂推荐算法实战》第二章推荐系统中的特征工程的学习笔记，在未来对于特征向量的学习笔记会在此基础上进行补充。编者认为特征工程已经过时的言论是错误的，该言论认为DNN模型可以自主的完成对数据特征的提取，但是在Deep Cross Network网络中，作者直接指出仅采用 阅读全文

摘要： 前言：一般来说用户Embedding在推荐系统中可以通过物品的Embedding向量平均或者聚类实现，因此物品的Embedding算法的效果成为重中之重。这篇文章是笔者阅读《深度学习推荐系统》第四章Embedding技术在推荐系统中的应用的学习笔记。本篇文章主要介绍传统词向量的生成算法，在Word2 阅读全文