推荐系统遇上深度学习(六)--PNN模型理论和实践（转）

最新推荐文章于 2025-06-07 09:21:57 发布
转载 最新推荐文章于 2025-06-07 09:21:57 发布 · 置顶 · 424 阅读 · 0
文章标签：

#推荐系统 #深度学习 #PNN模型 #理论 #实践

本文分享了深度学习领域的多个实战项目资源链接，包括基于TensorFlow的实践教程、机器学习的全面深入解析等内容，适合深度学习爱好者及从业者进行学习与研究。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

《推荐系统》-PNN模型
m0_37748303的博客
10-21 1452
1、原理 PNN，全称为Product-based Neural Network，认为在embedding输入到MLP之后学习的交叉特征表达并不充分，提出了一种product layer的思想，既基于乘法的运算来体现体征交叉的DNN网络结构，如下图： 图1、Product-based Neural Network Architecture 按照论文的思路，我们也从上往下来看这个网络结构： 输出层 输出层很简单，将上一层的网络输出通过一个全链接层，经过sigmoid函数转换后映射到(0,1)的区间中，得到我
推荐系统之PNN模型
qq_38375203的博客
05-28 1685
前言 今天开始整理讲解Product-based Neural Network（PNN）模型，前面讲解的AutoRec和Deep Crossing模型是在神经网络的复杂度和层数方面进行的进化，而这两个模型也是使用深度学习从用户和物品相似度的角度来进行系统推荐的。其中对AutoRec和DeepCrossing这两个模型有些遗忘的小伙伴可以看看我这篇文章，推荐算法之AutoRec与Deep Crossing模型，但是这两个模型在特征交叉这个方面并没有进行很合理的设计，更多的是使用了全连接层来增加了模型的复杂度
Fun-Rec项目中的PNN模型详解：特征交叉的神经网络实现
最新发布
gitblog_00570的博客
06-07 279
Fun-Rec项目中的PNN模型详解：特征交叉的神经网络实现 引言 在推荐系统领域，特征交叉是提升模型性能的重要手段。从传统的FM、FFM模型到深度神经网络，研究者们不断探索更有效的特征交叉方式。本文将详细介绍PNN(Product-based Neural Network)模型，这是一种在神经网络中显式进行特征交叉的创新方法。 PNN模型背景与动机 特征交叉的重要性 在推荐系统中，特征之间的交互...
PNN(Product-based Neural Network)：模型学习及torch复现
zhao254014的博客
08-30 1616
PNN模型定义的内积和外积操作显然更有针对性的强调了不同特征之间的交互， 从而让模型更容易捕获特征的交叉信息
推荐系统（九）PNN模型（Product-based Neural Networks）
天泽28的专栏
02-13 7790
PNN模型（Product-based Neural Networks）和上一篇博客介绍的FNN模型一样，都是出自交大张伟楠老师及其合作者，这篇paper发表在ICDM'2016上，是个CCF-B类会议，这个模型我个人基本上没听到过工业界哪个公司在自己的场景下实践过，但我们依然可以看看这篇paper的成果，也许能为自己的业务模型提供一些参考借鉴意义。PNN是通过引入product（可以是内积也可以是外积）来达到特征交叉的目的。
推荐系统之PNN
张先生－您好的博客
03-27 876
推荐系统之PNN 推荐优先阅读：AI上推荐 之 NeuralCF与PNN模型(改变特征交叉方式） import pandas as pd import numpy as np from sklearn.preprocessing import MinMaxScaler from sklearn.preprocessing import LabelEncoder from sklearn.model_selection import train_test_split import torch from tor
推荐系统遇上深度学习(八)--AFM模型理论和实践
简书博客搬家测试账号
08-13 748
欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！ 对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tsaiedu，并注明消息来源，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。 本文来自天善智能社区专栏作者[文文](https://ask.h...
推荐系统遇上深度学习(一二八)-深度交叉注意力乘积网络DCAP
abcdefg90876的博客
01-02 1554
本文是2022年的第一篇文章，给大家带来CIKM2021上中稿的一篇文章，提出了Deep Cross Attentional Product Network（以下简称DCAP），在显式建模...
深度推荐模型 -NFM
Joye_BNU的博客
03-22 1181
NFM 文章目录NFM提出背景 & 与其他模型的关系FM回顾NFM公式NFM网络总体结构网络各层的详细解释Input层和Embedding层Bi-Interaction Pooling layer隐藏层预测层小结 参考推荐系统遇上深度学习(七)–NFM模型理论和实践 提出背景 & 与其他模型的关系 NFM这个模型是在FM的基础上提出的，是为了改进FM模型只能表达特征之间两两组合之间的关系，无法建模两个特征之间深层次的关系或者说多个特征之间的交互关系，同时为了建模更高阶的特征而提出的。NFM是
推荐系统系列合集-2019
01-02
推荐系统系列合集-2019是石晓文的一篇优秀的原创博客，涵盖了推荐系统遇上深度学习系列（一）至（五十），推荐系统相关最新知识总结分享，值得参考学习。 推荐系统的关键技术包括： 1. 合作 filtering（CF）：通过...
推荐系统遇上深度学习(六)--PNN模型理论和实践
weixin_33843409的博客
07-27 795
1、原理 PNN，全称为Product-based Neural Network，认为在embedding输入到MLP之后学习的交叉特征表达并不充分，提出了一种product layer的思想，既基于乘法的运算来体现体征交叉的DNN网络结构，如下图： 按照论文的思路，我们也从上往下来看这个网络结构： 输出层 输出层很简单，将上一层的网络输出通过一个全...
PNN模型
星辰的博客
03-08 1236
之前介绍的NeuralCF模型的主要思想是利用多层神经网络替代经典协同过滤的点积操作，加强模型的表达能力。广义上，任何向量之间的交互计算方式都可以用来替代协同过滤的内积操作，相应的模型可称为广义的矩阵分解模型。但NeuralCF模型只提到了用户向量和物品向量两组特征向量，如果加入多组特征向 量又该如何设计特征交互的方法呢？ 2016年，上海交通大学的研究人员提出的PNN模型，给出了特征交互方式的几种设计思路。 PNN模型的网络架构 图所示为模型结构图，相比Deep Crossing模型，PNN模型在输入、E
基于深度学习的推荐模型--PNN
qq_42586738的博客
02-21 485
NacureCF只考虑到了用户和物品两种向量的整体交叉，但是如果说我想让特征交叉变的更加多样那我们要怎么做呢，比如我想让用户的单独属性和物品的单独属性交叉，那么PNN模型就为我们提供了方法，同时PNN模型也丰富了它特征交互的方式，即有线性部分也有乘积部分。 embedding层中是对对每一个离散稀疏的Field特征域进行Embedding操作，让原本的向量乘以embedding矩阵，embedding矩阵参数是通过神经网络的反向传播进行学习。 这个模型的重点就是它的Product层 首先， 这
CTR模型:PNN
rosefun96的博客
09-08 8763
1.简介 PNN模型（Product-based Neural Networks for User Response Prediction）是2016年提出的。 场景是预测用户反应，比如是点击，转化，在推荐系统，网络搜索，在线广告等，都有应用。 但这些场景会存在很多的类别特征，包含多个fields, 典型的表示是通过one-hot把它转换到高维的稀疏二值特征表示。 对应这种极端稀疏，传统模型局限于挖掘浅层的特征，比如，低阶特征组合。深度模型，比如深度神经网络，不能直接应用高维的输入，因为这会导致巨大的特征空
PNN模型及其变体
qq_39691463的博客
11-01 2110
一：绪论 1，这么是pnn 相对于前面我们讲的deep crossing 模型而言，pnn模型在输入层，embedding层，多层神经网络，输出层等并没有结构上的变化，唯一的区别在于pnn用乘积层（product layer）代替了原来的stacking layer,也就是说embedding后的向量不再是通过简单的拼接而成，而是通过product 操作进行两两交互，更有针对性的获取特征交叉信息。其次，相对于NCF 模型固定的用户-物品特征向量输入而言，pnn模型输入引入了多组特征向量，那么也就要求特征向量
推荐系统CTR预估-PNN模型解析
weixin_30721077的博客
07-03 326
原论文：Product-based Neural Networks for User Response Prediction ：2016 https://arxiv.org/pdf/1611.00144.pdf 1、原理 给大家举例一个直观的场景：比如现在有一个凤凰网站，网站上面有一个迪斯尼广告，那我们现在想知道用户进入这个网站之后会不会有兴趣点击这个广告，类似这种用户点击率预测在信息检索领...
当深度学习遇见推荐系统...
阿木寺的博客
08-25 314
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达如果说互联网的目标就是连接一切，那么推荐系统的作用就是建立更加高效的连接了。不得不说抖音的推荐系统，太厉害了。刷了啥，立...
利用product解决特征交叉问题——PNN模型
很吵请安静
05-27 942
解决痛点 传统模型： （应该指的是逻辑回归这种）挖掘特征的能力有限，比如无法挖掘到二阶特征 深度网络模型： 无法应用到大规模高维稀疏特征上。 所以提出了PNN模型，该模型先用embedding层学习到类别特征的表达形式，再用一个乘积层学习到不同特征间的交叉信息，最后用全连接层学习到更高阶的特征表达。 网络结构 从一个top-to-down的视角来看： 最顶层 最上面一层是一个CTR的输出 y^=σ(W3l2+b3)\hat{y}=\sigma\left(\boldsymbol{W}_{3} \boldsy
PNN（Product-based Neural Network）模型架构简介
Mike的博客
02-04 1314
PNN 模型的整体架构与其他深度神经网络模型（例如 Deep Crossing 模型）类似，主要包含输入层、Embedding 层、多层全连接神经网络以及最终的输出层。在 Deep Crossing 模型中，特征的 Embedding 向量是简单地拼接后送入全连接层，而 PNN 模型引入了乘积层，用于计算不同特征 Embedding 向量之间的交互项。
GoogleNet-PNN模型：深度学习在肝硬化识别中的新突破
"这篇论文研究了深度学习模型GoogleNet-PNN在肝硬化识别中的应用，该模型结合了卷积神经网络（CNN）和概率神经网络（PNN）的优点，实现了自动特征学习，提高了识别准确率，并利用迁移学习解决了医学图像样本不足可能...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值