發(fā)簡(jiǎn)信
IP屬地：廣東
-
Siamese Network 孿生網(wǎng)絡(luò)簡(jiǎn)介
0. 寫(xiě)在前面 “匹配”這類(lèi)任務(wù)有著很廣泛的應(yīng)用場(chǎng)景，例如NLP中的文本匹配，推薦領(lǐng)域的物品召回等任務(wù)。由此，學(xué)術(shù)界和工業(yè)界提出了很多不同的方法...
-
文本匹配模型TextMatching
0. 寫(xiě)在前面 本次分享一篇NLP文本匹配的經(jīng)典文章，主要思路是借鑒圖像識(shí)別的思路來(lái)解決NLP文本匹配問(wèn)題，畢竟計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展在當(dāng)時(shí)異常迅...
-
fastText簡(jiǎn)介與實(shí)踐
0. 寫(xiě)在前面 在fastText問(wèn)世以前，線性模型在文本分類(lèi)任務(wù)中占據(jù)了主要地位，如果選用了正確的特征，往往能取得不錯(cuò)的效果。但是，其模型簡(jiǎn)單...
-
推薦系統(tǒng)FM系列文章（四）-- AFM模型
0. 寫(xiě)在前面 前面我們介紹了FM系列的三大模型，包括FM模型，DeepFM以及NFM。DeepFM與NFM模型都對(duì)FM做了不同程度的優(yōu)化，重點(diǎn)...
-
推薦系統(tǒng)FM系列文章（三）-- NFM模型
0. 寫(xiě)在前面 繼上次介紹了DeepFM模型后，本文我們介紹將FM模型思想結(jié)合神經(jīng)網(wǎng)絡(luò)的又一工作 -- NFM（Neural Factoriza...
-
推薦系統(tǒng)FM系列文章（二）-- DeepFM模型0. 寫(xiě)在前面 前面我們介紹了FM模型的實(shí)現(xiàn)要點(diǎn)，也提到了其在推薦領(lǐng)域內(nèi)的影響力。本篇，我們就來(lái)說(shuō)說(shuō)一種結(jié)合神經(jīng)網(wǎng)絡(luò)和FM的推薦模型--Deep...
-
推薦系統(tǒng)FM系列文章（一）-- FM模型
0. 寫(xiě)在前面 推薦系統(tǒng)相關(guān)從業(yè)人員肯定對(duì)FM(Factorization Machines)模型不會(huì)感到陌生，工業(yè)界及學(xué)術(shù)界在FM的基礎(chǔ)上也提...
-
推薦場(chǎng)景下的ID類(lèi)特征處理方式在處理實(shí)際的機(jī)器學(xué)習(xí)問(wèn)題的過(guò)程當(dāng)中，常常會(huì)遇到id類(lèi)特征的情況，例如推薦場(chǎng)景內(nèi)的用戶id，用戶性別，商品id等。這里，將平時(shí)使用和學(xué)習(xí)到的常見(jiàn)解...
-
基于用戶興趣的商品推薦算法--DIN論文解讀0. 寫(xiě)在前面 前面我們分別講了alibaba在電商推薦場(chǎng)景下的兩大工作，分別是DIEN和DSIN。 其實(shí)，這兩個(gè)模型均基于最初的模型DIN（D...