Ezail的博客

文章目录Wide & Deep Learning for Recommender Systems1.论文名词解释1.1 Memorization 和 Generalization1.2 Wide 和 Deep1.3 Cross-product transformation2. Wide & Deep Model2.1 推荐系统概览2.1.1 介绍2.1.2 LR2.1.3 Embe...

今天开始整理一些之前看过的论文，一是复习巩固基础，二是可以回过头来想一想有没有新的理解。论文链接：Siamese Recurrent Architectures for Learning Sentence SimilarityLearning Text Similarity with Siamese Recurrent NetworksSiamese Recurrent，中文名叫孪...

ESIM，简称 “Enhanced LSTM for Natural Language Inference“。顾名思义，一种专为自然语言推断而生的加强版 LSTM。至于它是如何加强 LSTM，请继续往下看：Unlike the previous top models that use very complicated network architectures, we first dem...

继续整理之前看过的论文，这一次看又明白了很多之前没有细究的问题，也参考了不少资料，昨晚看high了看到了2点多，学习大概就是这样一个过程吧。参考代码：https://github.com/Njust-taoye/transformer-tensorflow感谢开头先说创新点：提出self-attention，自己和自己做attention，使得每个词都有全局的语义信息（长依赖）： ...

问题介绍：Natural language inference,自然语言推断。其实就是文本蕴含任务(text entailment)，任务的形式是：给定一个前提文本（premise），根据这个premise去推断假说文本（hypothesis）与premise的关系，一般分为蕴含关系（entailment）和矛盾关系（contradiction），蕴含关系（entailment）表示从prem...

1.背景DSSM是Deep Structured Semantic Model的缩写，即我们通常说的基于深度网络的语义模型，其核心思想是将query和doc映射到到共同维度的语义空间中，通过最大化query和doc语义向量之间的余弦相似度，从而训练得到隐含语义模型，达到检索的目的。DSSM有很广泛的应用，比如：搜索引擎检索，广告相关性，问答系统，机器翻译等。2. DSSM2.1简介...

最近继续总结之前读过的经典论文，正好看到知乎王喆老师提出的关于youtube的十大工程问题，研究之后发现自己第一遍阅读还是读的太粗陋，遂再次阅读，这里记下自己这几次阅读的一些思考与总结。总的来说youtube的推荐系统架构已经是如今各个互联网公司的基本操作了，十分具有纪念意义，那我我们来一起看看youtube的前辈们如果解决这个问题的。Youtube的用户推荐场景自不必多说，作为全球最大的UG...

这次总结的文章是2018 kdd best paper，来自Airbnb的学长们。由于从去年年底到现在一直在百度feed实习，也接触到了大量的推荐业务，其实生成embedding更是家常便饭，今天这篇文章更是把embedding思想发挥到了极致。Airbnb作为全世界最大的短租网站，提供了一个连接房主（host）挂出的短租房（listing）和主要是以旅游为目的的租客（guest/user...