推荐系统损失函数

Coding~Man

已于 2022-07-17 19:45:35 修改

阅读量1.6k

点赞数

分类专栏：推荐系统文章标签： python 深度学习机器学习

于 2022-07-14 11:24:23 首次发布

本文链接：https://blog.youkuaiyun.com/qq_40341502/article/details/125778571

版权

本文介绍了推荐系统中常用的几种损失函数，包括BPR、XDeepFM、LightGCN、GRU、Bert、RippleNet和KGAT。分别讲解了BPRLoss、BCELoss、CrossEntropyLoss以及L2Loss在不同模型中的应用，同时涉及到知识图谱的损失计算，并阐述了这些损失函数如何结合模型特点进行优化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1:BPR
根据预测的pos_sorce和neg_sorce计算损失。
BPRLoss()

class BPRLoss(nn.Module):
     def __init__(self, gamma=1e-10):
        super(BPRLoss, self).__init__()
        self.gamma = gamma

    def forward(self, pos_score, neg_score):
        loss = -torch.log(self.gamma + torch.sigmoid(pos_score - neg_score)).mean()
        return loss

2:XDeepFM
根据lable=tensor([0.]),和intput = tensor([0.1999]）计算损失。
self.loss = nn.BCELoss()
请添加图片描述

class BCELoss(_WeightedLoss):
        return F.binary_cross_entropy(input, target, weight=self.weight, reduction=self.reduction)

根据参数计算L2损失

l2_reg =  self.reg_loss(self.mlp_layers.named_parameters())

def

最低0.47元/天解锁文章