| |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
-> 人工智能 -> Re10ch3搜索和推荐的matching技术-召回 -> 正文阅读 |
|
[人工智能]Re10ch3搜索和推荐的matching技术-召回 |
本文是对七月在线推荐课程-搜索和推荐的matching技术-召回的一个随堂笔记,课上实际主要围绕youtube的dnn 推荐架构来讲解了召回的流程,如何理解embedding和FM的公示推导,以及deepfm的框架和实现。? 召回系统架构? : 曝光去重: 1) 疲劳度过滤(类似重复长期不点击的类别过滤掉)? ? 2) 最近已看过的东西的过滤 ? 3) 业务的过滤 召回索引? 、流式计算? 的简单介绍;? Youtube 召回
? 模型整体的思路可以认为是传统协同过滤思路的扩展. 传统的 UCF 强调相似的用户感兴趣的物品也相似; 传统的 ICF 强调对物品 A 感兴趣的用户, 可能也对物品 A 相似的物品同样 感兴趣. 所以传统的 UCF 和 ICF 实际上是分别构造了用户向量 空间和物品向量空间, 在任何一个向量空间找到相似性都可以进 行推荐.? 而 YoutubeDNN 则学习统一的 (用户 + 物品) 向量空间来代替 原来的两个独立的向量空间, 使用深度网络将用户 + 物品映射到 这个统一的低维向量空间来发现学习更高阶的用户物品相似性.? 什么是embedding ? 从三个角度看:?
简单介绍了词的embedding ,word2vec 的大致原理,以cbow为例。 无监督的序列学习转化为“有监督”提了下item2vec 。离线去算好参数,? 在线的时候去调用。? FM 模型的表达式:? 𝑦 = 𝜎(𝑤 · 𝑥 + 𝑥𝑇 · 𝑊(2) · 𝑥)? 与 LR 不同的是, 这里有了二阶特征组合. 但是对于系数的情况, 我们怎么依然可以优雅的学习到呢?? 使用矩阵分解的技巧 𝑊(2) =𝑊𝑇 ·𝑊 参数由n方,变为nk,其中的k是远小于n的 关键推导:? ?FM 有哪些优势?? ? 泛化性能强? embedding 的使用? Compare FM and MF?
其他: 围绕deepfm的简单案例代码提了下tensorflow 的学习流程介绍 讲到了分布式学习的一个简单描述; parameter server estimator的理解。; 基本:?session ,graph? : variable ,placeholder,constant 的基本概念,optimiizer? : compute gradient;? apply gradient;layer/op : 然后一个tensorflow案例 串起上面 进阶: estimator/ 分布式 的深入 :? ps ,chief_worker ,master worker ,client? 的理解 ? 高阶:?session /graph 的深入理解? :从c++ 层次去深入理解。 ? 鸣谢与参考:? 七月在线推荐课程。 |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 | -2024/11/27 19:42:36- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |