dreamfantacy的博客

梯度消失和梯度爆炸梯度消失的具体表现是，接近于输出层的权值更新相对正常，但是接近于输入层的权值基本不更新，或更新的非常慢。这样，深度网络的学习就等价于只有后几层的浅层网络的学习了。梯度爆炸的具体的表现是，越远离输出层的隐藏层，其权值越大，由于会大幅度的更新网络参数，进而导致网络不稳定，最终无法收敛，或者权重值溢出，即输出值为NaN，而无法再更新权重。产生的原因梯度消失和梯度爆炸是由于神经网...

该召回手段，是基于google提出的word2vec方法，来计算不同items的隐向量，并通过计算不同items间的向量距离，来判断item-to-item间的相似度。参考paper如下：https://arxiv.org/vc/arxiv/papers/1603/1603.04259v2.pdf综述许多协作过滤（CF）算法是通过分析items间的关系来计算相似度的。最近，自然语言处理方面...