原创 PNN論文翻譯 - 基於點乘的用戶響應神經網絡預測(四)

摘要 - 預測用戶響應(例如點擊次數和轉化次數)非常重要,並已在其中使用許多Web應用程序,包括推薦系統,Web搜索和在線廣告。這些應用程序中的數據主要是類別特徵,包含多個字段;一個典型的表示是將其轉換爲高維稀疏通過獨熱編碼的二進制特徵表

原创 YoutuBe 是如何利用深度學習解決搜索推薦問題的? (一) - 論文翻譯

總述:這篇文章是先從論文翻譯入手,講解下 YoutuBe 裏面是如何利用深度學習做搜索推薦的。YoutuBe 的這篇文章基本上是深度學習做搜索推薦的一篇“鼻祖”文章,在那年提出來這個之後,有很多公司都在這個基礎上去試驗新的辦法(比如阿里的

原创 阿里興趣網絡DIN網絡中幾個關鍵的點(三)

總述:博主前些天對DIN網絡進行了論文翻譯,在翻譯後,又對源碼進行了研究,最後將DIN網絡的重點進行了歸納,可以總結出這樣幾個關鍵點來 1:DIN中的attention方法:利用本地激活層,用於自適應學習用戶的歷史興趣和當前要預估的ite

原创 谷歌13年提出來的類似於lr的算法 - ftrl論文翻譯(七)

論文鏈接:https://static.googleusercontent.com/media/research.google.com/zh-CN//pubs/archive/41159.pdf 概要 預測廣告點擊率(CTR)是一個巨大的

原创 facebook 將協同過濾加上深度學習來解決搜索推薦問題 (二) - 論文翻譯

總述:facebook 在技術行業上一直和谷歌這些公司一樣,處於一個領頭羊的地位,在 facebook 的業務當中,搜索推薦算法一直是一個比較重要的板塊,在今年他們提出來一個新的算法,就是在“深度方法”的基礎上,再加上這個行業剛興起時候的

原创 利用源碼對deepfm中的fm層 dnn層進行講解(五)

因爲wide-deep和deepfm有很大的相似點,這篇文章之後,博主會再次帶來wide-deep的理解,也是論文+難點分析 deepfm論文的翻譯:https://blog.csdn.net/a1066196847/article/de

原创 搜索推薦算法系列文章整理

博主近期花了幾個月時間,將搜索推薦行業一些經典的模型算法進行了整理,有的還加入了自己的淺顯理解,還有一些是自己的經驗文章,也都是搜索推薦行業,這個系列算是做完了,特來整理下每篇文章的鏈接和簡要介紹 讀懂、瞭解這些文章,基本上搜索推薦行業就

原创 Deep Reinforcement Learning for List-wise Recommendations

論文題目:多個item一起進行推薦的深度強化學習方法 摘要: 推薦系統通過給用戶推薦個性化商品,在緩解信息超載或服務這些問題方面起着至關重要的作用。絕大多數傳統推薦系統將推薦算法視爲靜態過程,並且根據固定策略提出建議。在本文中,我們提出一

原创 deepfm算法論文翻譯(五)

DeepFM:基於因式分解機的CTR預測神經網絡 摘要 學習複雜的用戶行爲特徵的交互特點,對於推薦系統最大化點擊率至關重要。 儘管取得了很大進展,但現有方法似乎在低階或高階交互中,有很強的偏見,或需要專業知識特徵工程。 在本文中,我們展示

原创 tf.FIFOQueue 一些講解

# -*- coding:utf-8 -*- import tensorflow as tf # data_1 = np.random.randn(3, 5) # print(data_1) data_1 = tf.place

原创 阿里巴巴線上使用的深度學習興趣網絡 DIN (三) - 論文翻譯

總述:阿里巴巴擁有世界上數一數二的電子商務系統,每天的成交額高達數十億,那麼這樣一個大規模的商務網站肯定要做好一件事情,那就是用戶搜索的時候給用戶最好的搜索結果,用戶不搜索的時候結合用戶的興趣給用戶最感興趣的商品,那麼他們到底用的是什麼辦

原创 wide-deep論文翻譯(六)

題目:Wide & Deep Learning for Recommender Systems 摘要 具有非線性特徵變換的廣義線性模型被廣泛用於稀疏輸入的大規模迴歸和分類問題。通過一系列方法來記憶特徵交互效果是有效且可解釋的,而泛化則需

原创 強化學習開發黑白棋、五子棋遊戲

這篇文章會從以下四個方面對“強化學習開發黑白棋、五子棋遊戲”進行分析 一、總述 二、黑白棋遊戲思路 三、五子棋遊戲思路 四、分佈式訓練 ---------------------------------------------------

原创 flink實時流與scala程序開發實用經驗 - 十年磨兩賤人

本文是作者在用 flink 開發實時流數據的時候,對 flink 的一些總結經驗,其中會重點講到 “數據傾斜” 的解決方案 + 源碼 文章結構: 1:flink本地如何模擬topic的實時流 2:flink在遇到數據傾斜的時候,應該怎麼樣

原创 元路徑指導的異構圖神經網絡意向推薦

論文地址:http://www.shichuan.org/doc/67.pdf 摘要:如今,隨着移動電子商務的盛行,一種新型的推薦服務,稱爲意圖推薦,廣泛用於許多移動電子商務應用程序,例如淘寶和亞馬遜。與傳統查詢推薦和項目不同推薦,意圖推