
论文精读
香槟酒气满天飞
这个作者很懒,什么都没留下…
展开
-
DeepFM: A Factorization-Machine based Neural Networ(基于分解机的神经网络)
《DeepFM: A Factorization-Machine based Neural Networ》精读笔记哈工大与华为诺亚方舟联合实验室2017年发表的论文。借鉴了Wide&Deep模型,Wide部分替换为FM模型。0. FM模型(Factorization Machine)DeepFM之前应该了解的是FM,在预测系统中,特征进行编码之后会使数据变得很稀疏,FM主要是解决数据稀疏的情况下特征组合问题。考虑特征互相关联的情况下,二阶多项式模型表达式如下:y=ω0+∑i=1nωix原创 2020-12-14 00:00:53 · 325 阅读 · 0 评论 -
Probabilistic Matrix Factorization(概率矩阵分解)
《Probabilistic Matrix Factorization》精读笔记本篇论文作者是多伦多大学计算机科学系的Ruslan Salakhutdinov和Andriy Mnih,发表于2007年NIPS。文中作者提出概率矩阵分解模型,是现代推荐系统的基础算法之一。1. 介绍传统比较流行协同过滤的方法是基于低纬度的因子模型,一个用户的态度或偏好由这些因子可以得到。简单来说就是用户和电影之间的关系用几个线性组合决定。例如,对于N个用户和M个电影,N×M的偏好矩阵RRR由一个N×D的用户系原创 2020-11-19 20:33:56 · 2258 阅读 · 1 评论