发表服务
在FFM原论文中，作者指出，FFM模型对于one-hot后类别特征十分有效，但是如果数据不够稀疏，可能相比其它模型提升没有稀疏的时候那么大，此外，对于数值型的数据效果不是特别的好。.在Github上有FFM的开源实现，要使用FFM模型，特征需要转化为“field_id:feature...
xDeepFM是微软2018年发的一篇新论文，它是用来把二阶、三阶、四阶组合一层一层做出来，但无非它用的是类CNN的方式来做这个事的。这是第二个路线的两个代表。尽管这个符合模型发展趋势，我个人认为这种模型太复杂，真正部署上线成本比较…
论文设计的DIN模型，可以自适应地在计算用户兴趣向量时考虑到用户历史行为与候选广告之间的关系。(原文：Insteadpfexpressingalluser'sdiverseinterestswiththessamevector,DINadaptivelycalculatestherepresentationvectorofuserinterestsbytakingintoconsiderationtherelevanceofhistoricalbehaviorsw.r.t.candidatead.
1.是不是你的模型又线下线上不一致啦？(KDD20)2.读了那么多CTR论文,真正有效的又有几个呢？(FuXiCTR,ArXiv20)3.好想哭,我居然输在了内存问题上！(KDD20)4.MFvsMLP：讲述科学调参在推荐模型中的意义(ArXiv)5.推荐系统技术演进趋势：召回篇
ONN/NFFM(Arxiv19)AoAFFM(AAAI20)AutoFIS(KDD20)上面所有的模型可以大致分为四个部分，特征embedding，特征低阶高阶显示交叉，特征隐式交叉，特征筛选。具体文章可以看炼丹笔记之前的文章《CTR神经网络特征交叉汇总》。
美图秀秀社交化的推进过程中，沉淀了海量的优质内容和丰富的用户行为。推荐算法连接内容消费者和生产者，在促进平台的繁荣方面有着非常大的价值。本次分享探讨美图在内容社区推荐场景下应用深度学习技术提升点击率、关注转化率和人均时长等多目标的…
美图深度学习技术栈——召回端.在上述的应用场景和技术挑战下，美图是如何将深度学习应用到个性化推荐中的召回端和排序端的呢？.我将会在下面为大家一一介绍。.召回端的Itemembedding技术和召回模型，用于从百万级别的候选集里挑选TOP500个用户最感...
2019华为算法精英赛(CTR)思路.xhy2019年5月30日无评论.第一次打数据比赛，排名就不说了/(ㄒoㄒ)/~~比赛过程中学到了很多pandas姿势。.。.Contents.1比赛链接.1.11.赛题分析.1.2数据预…
模型上，我们采用了4种不同的模型，包括一个传统的GBDT模型，以及另外三个深度学习模型，分别是wide&deep网络、pnn网络和nffm网络。GBDT模型我们使用的是lightgbm，而wide&deep网络、pnn网络和nffm网络都是我们使用tensorflow和tflearn自己实现的，也正基于这点，使得我们很容易做模型改进、微调，这是非常...
模型上，我们采用了4种不同的模型，包括一个传统的GBDT模型，以及另外三个深度学习模型，分别是wide&deep网络、pnn网络和nffm网络。GBDT模型我们使用的是lightgbm，而wide&deep网络、pnn网络和nffm网络都是我们使用tensorflow和tflearn自己实现的，也正基于这点，使得我们很容易做模型改进、微调，这是非常...
在FFM原论文中，作者指出，FFM模型对于one-hot后类别特征十分有效，但是如果数据不够稀疏，可能相比其它模型提升没有稀疏的时候那么大，此外，对于数值型的数据效果不是特别的好。.在Github上有FFM的开源实现，要使用FFM模型，特征需要转化为“field_id:feature...
xDeepFM是微软2018年发的一篇新论文，它是用来把二阶、三阶、四阶组合一层一层做出来，但无非它用的是类CNN的方式来做这个事的。这是第二个路线的两个代表。尽管这个符合模型发展趋势，我个人认为这种模型太复杂，真正部署上线成本比较…
论文设计的DIN模型，可以自适应地在计算用户兴趣向量时考虑到用户历史行为与候选广告之间的关系。(原文：Insteadpfexpressingalluser'sdiverseinterestswiththessamevector,DINadaptivelycalculatestherepresentationvectorofuserinterestsbytakingintoconsiderationtherelevanceofhistoricalbehaviorsw.r.t.candidatead.
1.是不是你的模型又线下线上不一致啦？(KDD20)2.读了那么多CTR论文,真正有效的又有几个呢？(FuXiCTR,ArXiv20)3.好想哭,我居然输在了内存问题上！(KDD20)4.MFvsMLP：讲述科学调参在推荐模型中的意义(ArXiv)5.推荐系统技术演进趋势：召回篇
ONN/NFFM(Arxiv19)AoAFFM(AAAI20)AutoFIS(KDD20)上面所有的模型可以大致分为四个部分，特征embedding，特征低阶高阶显示交叉，特征隐式交叉，特征筛选。具体文章可以看炼丹笔记之前的文章《CTR神经网络特征交叉汇总》。
美图秀秀社交化的推进过程中，沉淀了海量的优质内容和丰富的用户行为。推荐算法连接内容消费者和生产者，在促进平台的繁荣方面有着非常大的价值。本次分享探讨美图在内容社区推荐场景下应用深度学习技术提升点击率、关注转化率和人均时长等多目标的…
美图深度学习技术栈——召回端.在上述的应用场景和技术挑战下，美图是如何将深度学习应用到个性化推荐中的召回端和排序端的呢？.我将会在下面为大家一一介绍。.召回端的Itemembedding技术和召回模型，用于从百万级别的候选集里挑选TOP500个用户最感...
2019华为算法精英赛(CTR)思路.xhy2019年5月30日无评论.第一次打数据比赛，排名就不说了/(ㄒoㄒ)/~~比赛过程中学到了很多pandas姿势。.。.Contents.1比赛链接.1.11.赛题分析.1.2数据预…
模型上，我们采用了4种不同的模型，包括一个传统的GBDT模型，以及另外三个深度学习模型，分别是wide&deep网络、pnn网络和nffm网络。GBDT模型我们使用的是lightgbm，而wide&deep网络、pnn网络和nffm网络都是我们使用tensorflow和tflearn自己实现的，也正基于这点，使得我们很容易做模型改进、微调，这是非常...
模型上，我们采用了4种不同的模型，包括一个传统的GBDT模型，以及另外三个深度学习模型，分别是wide&deep网络、pnn网络和nffm网络。GBDT模型我们使用的是lightgbm，而wide&deep网络、pnn网络和nffm网络都是我们使用tensorflow和tflearn自己实现的，也正基于这点，使得我们很容易做模型改进、微调，这是非常...
发表服务