Zhangbei_的博客

2018年马上就要过去，回顾深度学习在今年的进展，让人印象最深刻的就是谷歌提出的应用于自然语言处理领域的BERT解决方案，BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding（https://arxiv.org/abs/1810.04805）。BERT解决方案刷新了各大NLP任务的榜单，在各...

随着深度学习的火热，越来越多的问题都开始尝试采用深度学习算法来解决，包括推荐算法。16年的时候，谷歌公开了Youtube的推荐算法，Deep Neural Networks for YouTube Recommendation(https://static.googleusercontent.com/media/research.google.com/zh-CN//pubs/archive/455...

去年Airbnb——爱彼迎公布了他们的房源推荐算法，并且成为2018年kdd的最佳论文，论文标题 Real-time Personalization using Embeddings for Search Ranking at Airbnb（https://www.kdd.org/kdd2018/accepted-papers/view/real-time-personalization-usin...

本文介绍的是2014年的一篇文章《DeepWalk: Online Learning of Social Representations》，附个链接https://arxiv.org/pdf/1403.6652.pdf，这是NLP中的表示学习算法第一次被引入到图结构当中。如标题，本文先来介绍word2vec的基本概念，再来介绍下如何将利用word2vec来表示图结构。一、Skip-Gram...

在上一篇文章中介绍了DeepWalk，这是第一次将word2vec的思路引入到graph或network中。这篇文章继续介绍graph embedding之node2vec，附个链接http://snap.stanford.edu/node2vec/，其中有文章也有代码。一、基本思路graph embedding也是一种特征表示学习方式，借鉴了word2vec的思路。在graph中随机游走...

之前写了两篇关于graph embedding的文章，这次换个主题，分享两个ctr预估算法。一个是Wide&Deep，是谷歌16年提的算法《Wide & Deep Learning for Recommender Systems》，链接https://arxiv.org/pdf/1606.07792.pdf，这个算法是用在谷歌应用商店做排序的。另外一个是DeepFM，来自于华为17...

之前已经写过两篇graph embedding(GE)的文章，都比较偏理论。关于GE这个主题再写最后一篇文章，是在推荐系统的实际应用。这是18年阿里发的一篇文章，应用在淘宝上，《Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba》，附个链接 https://arxiv.org/pdf/1803.023...