whgyxy的博客

论文核心议题是：通过sota的多模态encoder得到的item Embedding，纯基于多模态的模型MoRec(modality-based recommendation model)能否比纯基于ID的模型IDRec(e ID-based model)效果好？

摘要里面表示很多CTR模型都将用户历史行为的向量表示直接作为用户兴趣，没有对用户这些行为背后的隐兴趣进行建模；此外很少有工作考虑用户的兴趣的变化趋势。DIEN设计了兴趣抽取层从历史行为序列中捕获用户隐式兴趣，设计了兴趣进化层建模用户兴趣变化。简介中，介绍前人工作多是关注不同特征域的特征交叉，很少关注用户兴趣表示，DIN使用attention机制来捕获用户不同兴趣和目标item的相关性，但是这些模型都是将历史行为序列直接当做用户兴趣，没有去挖掘这些行为序列背后的用户真正的兴趣，而且用户兴趣是变化的，捕获用户动

这里主要给出Wide&Deep的网络构造及训练部分构建Wide部分def build_linear(features,first_column): with tf.variable_scope("Linear"): wide_logits = tf.feature_column.linear_model(features, first_column, units=1) return wide_logits构建Deep部分'''hidden_units 12

ESMM多目标Python实践导入的包信息如下import tensorflow as tffrom tensorflow.python.framework import ops构建特征部分对变长型、数字型、字符型等特征，还有交叉特征构建索引，分别放到两个特征数组中，分别对应wide网络输入和deep网络输入def build_feature(): first_feature_columns = [] second_feature_columns = [] parms

python普通文件读写读写函数python大文件读写内置方法pandas分块生成批量数据python普通文件读写 open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None)常用的参数有文件路径file和读写模式mode 字符 含

Torch笔记 （二）快速入门 Torch中的唯一的数据结构就是Tensor了，而该结构简洁而且强大，非常适合进行矩阵类的数值计算，它是Torch中最最重要的类了。这个Tensor其实就是个多维矩阵，支持矩阵的各种操作。这里需要特别强调的是，lua中的数组（其实是table）下标是从1开始的，因此Tensor对象的下标也是从1开始的。 咱们从程序猿的角度来说，首先，Tensor也是有类型的

Torch笔记（三） 一元线性回归 torch中神经网络包官网https://github.com/torch/nn 先简单说说最简单的线性回归，也就是一元线性回归，即只有一个自变量，一个因变量，用式子表示就是Y=aX+b。X表示输入，Y是输出。就是在已知输入X的情况下拟合输出Y。 现在给出一个实例，咱们从例子中玩Torch。这里有一个家庭消费支出（Ｙ）和可支

Torch笔记（一） Torch是Facebook开源的机器学习框架，与当今火热的TensorFlow和Caffe一样，是深度学习、机器学习的利器，用好它们，能很快的在数据集上验证自己的想法，只要熟练使用，一般的机器学习模型想怎么玩就怎么玩. Torch是基于Lua语言的，因此需要熟悉Lua语言，Lua在游戏脚本中用的非常多，和一般的脚本语言难度差不多，作为脚本语言，用起来方便、顺手就

Torch笔记 （五）DNN实现多分类 上一篇学习了torch中DNN训练的两种模式，现在咱们开始磨刀实战了，使用torch中的组件实现机器学习中常见的多分类问题。 咱们选取一个三分类的经典数据集，数据集地址http://mlr.cs.umass.edu/ml/datasets/Wine，这是一个关于葡萄酒的数据集，有178个样本，13个属性，总共3个类别，没有缺失值，而且13个属性都

Torch笔记 （四）DNN训练方法 神经网络训练在torch中是比较固定的模式，在torch中都比较简单，torch就好像一个计算机硬件供应商，已经生产好了CPU、显卡、内存条、硬盘等等核心部件，咱们使用torch就是在组装电脑，按照不同的需求组装不同的电脑，不用自己造轮子，组装起来就快的多了，降低使用门槛，让大家都来玩玩现在红的发紫的深度学习。 言归正传，训练方法常用的有两种，一种是使