特征交叉04 SENet 和 Bilinear 交叉

  SENet 和 Bilinear 交叉这两种模型用在排序上都有收益。

  SENet:

根据所有的特征,自动判断每一个field的特征重要性。对离散特征做field-wise 加权。

embedding向量维度相同

离散特征的处理:表示成K维的向量,m个特征

对矩阵的行做avgpooling得到一个向量,向量每个元素对应一个离散特征。

再用一个全连接层和relu激活函数把m维向量压缩成m/r维向量。r是压缩比例,一个大于1的数。

再用一个全连接层和sigmoid函数恢复成m维向量,元素介于0-1之间欸。

把向量成行乘到最初的mxk矩阵上,得到新的矩阵。新矩阵第二行是原矩阵第二行乘以m维向量第二个元素。

中间m维向量的作用就是对特征对加权。

embedding向量维度不同

field间特征交叉

这两种都要求训练形状相同。

Bilinear 交叉(内积)

想要减少参数数量,需要人工指定某些相关而且重要的特征做交叉,而不能让全部都交叉。

Bilinear 交叉(哈达玛乘积)

FiBiNet:

结合SENet 和 Bilinear 交叉

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值