上一页 1 ··· 10 11 12 13 14 15 16 17 18 ··· 40 下一页
摘要: 背景 FM 模型引入了二阶特征的交叉方法,但是在 FM 中,所有二阶特征的权重是一样的,在实际中,应该给重要的交叉特征更大的权重,对一些可能引入噪音的特征给一个非常小的权重或0 AFM 通用引入一个 attention 结构,让模型自己调节二阶特征的权重 模型结构 AFM 模型的结构如上图所示(省略 阅读全文
posted @ 2021-09-06 12:59 AI_Engineer 阅读(177) 评论(0) 推荐(0)
摘要: 背景 google 在这篇论文中介绍了在 YouTube 中使用两阶段推荐系统(召回和排序) 召回:和协同过滤原理相似,根据不同用户的历史行为召回用户可能感兴趣的视频 排序:根据用户对视频可能的观看时间对候选视频进行排序,最大化YouTube的商业化价值 和其它论文不同,这篇论文不是在介绍某个技术点 阅读全文
posted @ 2021-09-03 18:17 AI_Engineer 阅读(236) 评论(0) 推荐(0)
摘要: MAP(Mean Average Precision),平均正确率均值 参考资料 https://www.cnblogs.com/genyuan/p/9788294.html 阅读全文
posted @ 2021-09-02 19:55 AI_Engineer 阅读(35) 评论(0) 推荐(0)
摘要: MRR(Mean Reciprocal Rank),平均倒数排名 MRR 要求检索结果只有一个相关,其它都是不相关 参考资料 https://www.cnblogs.com/genyuan/p/9788294.html 阅读全文
posted @ 2021-09-02 18:49 AI_Engineer 阅读(174) 评论(0) 推荐(0)
摘要: https://zhuanlan.zhihu.com/p/80261581 待整理 阅读全文
posted @ 2021-09-02 15:23 AI_Engineer 阅读(25) 评论(0) 推荐(0)
摘要: ERR(Expected Reciprocal Rank),预期倒数排名 参考资料 https://www.cnblogs.com/genyuan/p/9788294.html https://www.cnblogs.com/memento/p/8673309.html 阅读全文
posted @ 2021-09-02 15:05 AI_Engineer 阅读(54) 评论(0) 推荐(0)
摘要: https://zhuanlan.zhihu.com/p/83571732 《PAL: A Position-bias Aware Learning Framework for CTR Prediction in Live Recommender Systems》 待整理 阅读全文
posted @ 2021-09-02 13:16 AI_Engineer 阅读(541) 评论(0) 推荐(0)
摘要: https://www.cnblogs.com/by-dream/p/9403984.html https://zhuanlan.zhihu.com/p/84206752 待整理 阅读全文
posted @ 2021-09-02 12:48 AI_Engineer 阅读(22) 评论(0) 推荐(0)
摘要: 背景 在MultiTask任务中,不同task的loss尺度是不一样的,可能相差很大,这样会导致共享的权重被大尺度的task主导,导致小尺度loss的task学不好,为了解决这个问题,常用的一个方法是对权重加权:\[ loss(t) = w_A \times loss_A(t) + w_B \tim 阅读全文
posted @ 2021-08-31 15:44 AI_Engineer 阅读(1228) 评论(0) 推荐(0)
摘要: 推荐系统多任务建模 在推荐系统中,我们往往需要同时预估多个目标(如点击、点赞、观看时长、评论等),最直接的做法是对每个目标各训练一个模型,但是这样做存在两个缺点: 资源开销大,后期需要维护多个模型,成本高 不同任务之间存在相关性,单独建模无法利用不同目标之间的相关性 share bottom建模 为 阅读全文
posted @ 2021-08-31 00:42 AI_Engineer 阅读(817) 评论(0) 推荐(0)
上一页 1 ··· 10 11 12 13 14 15 16 17 18 ··· 40 下一页