serenysdfg的博客

DSTN 模型 （KDD 2019）Deep Spatio-Temporal Neural Networks for Click-Through Rate Prediction 辅助广告数量不等，如何兼容？DSTN-P：Pooling Model同类型的辅助广告中，既包含与当前广告相关的信息，也包含无用噪声，如何区分对待？DSTN-S：Self-attention Model不同类型...

1使用Bert来进行序列推荐-阿里《BERT4Rec: Sequential Recommendation with Bidirectional Encoder》局限性：之前的模型时从左到右的、单向结构限制了用户行为序列中隐藏表示的能力；它们通常假定一个严格有序的序列，而这并不总是实用的。提出了 bert4rec 是应用deep biderectional self-attention ...

Training Deep AutoEncoders for Collaborative Filtering 2017Deep AutoEncoder 核心思想是希望能通过反向传播训练网络最小化输入和输出的误差，从而完成对未知的电影进行预估。import warningswarnings.filterwarnings('ignore')import numpy as npimpor...

在推荐系统领域，特别是YouTube的所在视频推荐领域，主要面临三个挑战：规模大：用户和视频的数量都很大，只能适应小规模数据集的算法就不考虑了。更新快：youtube视频更新频率很高，每秒有小时级别的视频上传。噪音：噪音主要体现在用户的历史行为往往是稀疏的并且是不完整的。 召回和排序模型整个模型架构是包含三个隐层的DNN结构。输入是用户浏览历史、搜索历史、人口...

Use of Deep Learning in Modern Recommendation System: A Summary of Recent Works 2017.12全文从三部分来介绍：协作系统、基于内容的系统和混合系统。本文还讨论了结合了深度学习的推荐系统对多个应用领域的贡献，讨论了推荐系统中的深度学习对不同领域的影响和深度学习是否显著改善传统的推荐系统。最后，本文根据深度学习在...

Practice on Long Sequential User Behavior Modeling for Click-Through Rate Prediction（阿里 at KDD2019 5月通过系统设计解决用户超长行为历史下CTR建模与在线预测性能瓶颈，效果好于GRU4Rec和DIEN源代码地址：https://github.com/UIC-Paper/MIMN数据ht...

阿里CTR预估三部曲DIN（1）：Deep Interest Network for Click-Through Rate PredictionCTR预估是工业应用中的重要任务，最近兴起的模型基本都是遵循embedding&MLP范式的。也就是将高维稀疏向量首先映射成低维的embedding向量并转换成固定长度的向量，最后将所得向量串联在一起经过MLP学习到特征间非线性关系后输出结果。...

FLEN: Leveraging Field for Scalable CTR Prediction美图个性化推荐排序的核心算法提出了field-wise bi-interaction pooling技术，解决了在大规模应用特征field信息时存在的时间复杂度和空间复杂度高的困境，同时提出了一种缓解梯度耦合问题的方法，dicefactor。该模型已应用于美图的大规模推荐系统中，持续稳定地取...

AutoInt: Automatic Feature Interaction Learning via Self-Attentive Neural Networks:发表在CIKM‘2019论文地址：https://arxiv.org/pdf/1810.11921.pdf数据集：criteo。avazu，KDD12,MOVIELEN-1M评估：auc，logloss比较对...

常用：origin、PPT、Visio、processOn1NN-SVG这个工具可以非常方便的画出各种类型的图, 该实验室开发可视化和机器学习工具用于分析生物数据。github地址：https://github.com/zfrenchee画图工具体验地址：http://alexlenail.me/NN-SVG/2 PlotNeuralNet这个工具是萨尔大学计算机科学...

学习推荐的解离化表征形式：你为啥想剁手，AI能理解吗？Learning Disentangled Representations for Recommendation -2019阿里AI顶级会议NeurIPS。论文链接：https://arxiv.org/pdf/1910.14238.pdf文章解读其研究的是方向就是人和商品匹配的过程中，人的认知因素。即：人为什么喜欢一件商品，...

NPA: Neural News Recommendation with Personalized Attention （2019.7）链接：https://arxiv.org/abs/1907.05559发表在 IJCAI 2019和 KDD 2019。新闻推荐中有三个关键问题需要解决：1）如何利用用户的新闻阅读历史来对用户进行建模，捕捉他们的潜在兴趣。2）如何根据新闻...

2019.5月:Behavior Sequence Transformer for E-commerce Recommendation in Alibaba论文地址:https://arxiv.org/pdf/1905.06874.pdf (阿里巴巴推荐系统搜索团队)转自https://zhuanlan.zhihu.com/p/76570628 <<将Transformer...

Telepath: Understanding Users from a Human Vision Perspective in Large-Scale Recommender Systems -2017 AAAI 2018 京东-基于计算机视觉的电商推荐技术论文链接：https://arxiv.org/ftp/arxiv/papers/1709/1709.00300.pdf理解...

1-好：EMBEDDING 在大厂推荐场景中的工程化实践https://lumingdong.cn/engineering-practice-of-embedding-in-recommendation-scenario.html论文：1（Y ouTube - 2016 年 9 月的 RecSys ）https://static.googleusercontent.com/medi...

目录Facebook的深度学习推荐模型：DLRM模型-2019年5月Facebook 开源的PyTorch 和 Caffe2 平台实现的使用公开数据集使用密集和稀疏特征模型Facebook的深度学习推荐模型：DLRM模型-2019年5月DLRM 开源地址：https://github.com/facebookresearch/dlrmDLRM 论文：https:/...