1. 簡介 Deep Interest Network（DIN）模型由阿里巴巴2018年發(fā)表在KDD 2018會議上。本文的主要動機是，將NLP中機器翻譯的Attention...
IP屬地：浙江
-
推薦系統(tǒng) - DIN模型 -
推薦系統(tǒng)與深度學(xué)習(xí)(16)[iQIYI CIKN'21 short] FINT: 域感知交互(Field-aware Interaction)網(wǎng)絡(luò)以下僅僅為個人對文章的閱讀記錄，如有錯誤，歡迎指正。如需轉(zhuǎn)載注明來源即可~~ （哈哈哈哈哈，點個贊再走） Zhao Z, Yang S, Liu G, et al. FINT...
-
推薦系統(tǒng)與深度學(xué)習(xí)(15)[阿里 WSDM'21] MIAN: 引入細粒度特征學(xué)習(xí)的多交互注意力網(wǎng)絡(luò)以下僅僅為個人對文章的閱讀記錄，如有錯誤，歡迎指正。如需轉(zhuǎn)載注明來源即可~~ （哈哈哈哈哈，點個贊再走） Zhang K, Qian H, Cui Q, et al. Mul...
-
推薦系統(tǒng)與深度學(xué)習(xí)(14)[騰訊 SIGIR'20] TFNet: 多語義空間特征交互模型以下僅僅為個人對文章的閱讀記錄，如有錯誤，歡迎指正。如需轉(zhuǎn)載注明來源即可~~ （哈哈哈哈哈，點個贊再走） Wu S, Yu F, Yu X, et al. TFNet: Mu...
-
推薦系統(tǒng)與深度學(xué)習(xí)(13): [華為 CIKM'21] EDCN：基于信息共享的并行深度CTR模型以下僅僅為個人對文章的閱讀記錄，如有錯誤，歡迎指正。如需轉(zhuǎn)載注明來源即可~~ （哈哈哈哈哈，點個贊再走） Chen B, Wang Y, Liu Z, et al. Enha...
-
推薦系統(tǒng)與深度學(xué)習(xí)(12): [京東 CIKM'20 short] CTR預(yù)估中的維度關(guān)聯(lián)建模以下僅僅為個人對文章的閱讀記錄，如有錯誤，歡迎指正。如需轉(zhuǎn)載注明來源即可~~ （哈哈哈哈哈，點個贊再走） Zhao Z, Fang Z, Li Y, et al. Dimen...
-
推薦系統(tǒng)與深度學(xué)習(xí)(11): 用于CTR預(yù)測的門控增強深度網(wǎng)絡(luò)以下僅僅為個人對文章的閱讀記錄，如有錯誤，歡迎指正。如需轉(zhuǎn)載注明來源即可~~ （哈哈哈哈哈，點個贊再走） Huang T, She Q, Wang Z, et al. Gat...
-
很多論文里面數(shù)據(jù)劃分不同（有些沒有測試集），數(shù)據(jù)大小不同，數(shù)據(jù)處理不同，也沒有像NLP、CV中的權(quán)威榜單。
推薦系統(tǒng)與深度學(xué)習(xí)(10): [IJCAI'20] DIFM: 雙重IFM模型
以下僅僅為個人對文章的閱讀記錄，如有錯誤，歡迎指正。如需轉(zhuǎn)載注明來源即可~~ Lu W, Yu Y, Chang Y, et al. A Dual Input-aware F...
-
-
從模型的結(jié)構(gòu)上來說是的。
推薦系統(tǒng)與深度學(xué)習(xí)(9): [IJCAI'19] IFM: 輸入感知的FM模型
以下僅僅為個人對文章的閱讀記錄，如有錯誤，歡迎指正。如需轉(zhuǎn)載注明來源即可~~ Yu Y, Wang Z, Yuan B. An Input-aware Factorizati...
-
推薦系統(tǒng)與深度學(xué)習(xí)(10): [IJCAI'20] DIFM: 雙重IFM模型以下僅僅為個人對文章的閱讀記錄，如有錯誤，歡迎指正。如需轉(zhuǎn)載注明來源即可~~ Lu W, Yu Y, Chang Y, et al. A Dual Input-aware F...
-
推薦系統(tǒng)與深度學(xué)習(xí)(9): [IJCAI'19] IFM: 輸入感知的FM模型以下僅僅為個人對文章的閱讀記錄，如有錯誤，歡迎指正。如需轉(zhuǎn)載注明來源即可~~ Yu Y, Wang Z, Yuan B. An Input-aware Factorizati...
-
有一個疑問，既然已經(jīng)使用了DNN計算了權(quán)重，為什么不直接使用DNN進行預(yù)測，而多此一舉？像FMFM，F(xiàn)wFM都沒有使用DNN
推薦系統(tǒng)遇上深度學(xué)習(xí)(一一零)-樣本感知的FM模型
今天給大家分享一篇對FM進行改進的文章，主要改進是針對不同的樣本，顯式建模了不同特征的重要度，接下來一起學(xué)習(xí)下。 1、背景 由于能夠高效的建模特征之間的交互作用，因子分解機（...
-
推薦系統(tǒng)與深度學(xué)習(xí)(8): [Adobe] FEFM和DeepFEFM模型以下僅僅為個人對文章的閱讀記錄，如有錯誤，歡迎指正。如需轉(zhuǎn)載注明來源即可~~ Pande H. Field-Embedded Factorization Machines f...
-
推薦系統(tǒng)與深度學(xué)習(xí)(7): [Yahoo] FMFM模型: FM|FwFM|FvFM的統(tǒng)一框架以下僅僅為個人對文章的閱讀記錄，如有錯誤，歡迎指正。如需轉(zhuǎn)載注明來源即可~~ Sun Y, Pan J, Zhang A, et al. : Field-matrixed F...
-
推薦系統(tǒng)與深度學(xué)習(xí)(6): [華為 2019]FGCNN: 基于卷積神經(jīng)網(wǎng)絡(luò)的CTR特征生成方法以下為個人對文章的理解記錄，如有錯誤，歡迎指正~~如果覺得有幫助或者寫的還行，點個贊唄~~~ Liu B, Tang R, Chen Y, et al. Feature ge...
-
推薦系統(tǒng)與深度學(xué)習(xí)(5):能不能統(tǒng)一下CTR論文的標(biāo)準(zhǔn)呢？以下為個人對文章的理解記錄，如有錯誤，歡迎指正~~如果覺得有幫助或者寫的還行，點個贊唄~~~ Zhu J, Liu J, Yang S, et al. FuxiCTR: An...
-
推薦系統(tǒng)與深度學(xué)習(xí)(4):[SINA 2019] 做個加法吧：FFM+DeepFM+SENET=FAT-DeepFFM以下為個人對文章的理解記錄，如有錯誤，歡迎指正~~如果覺得有幫助或者寫的還行，點個贊唄~~~ Zhang J, Huang T, Zhang Z. FAT-DeepFFM: ...
-
推薦系統(tǒng)與深度學(xué)習(xí)(3)：[WWW'18]認識一下帶權(quán)重的FFM模型——FwFM以下為個人對文章的理解記錄，如有錯誤，歡迎指正~~如果覺得有幫助或者寫的還行，點個贊唄~~~ 引用：Pan J, Xu J, Ruiz A L, et al. Field-w...
-
推薦系統(tǒng)與深度學(xué)習(xí)(2):[阿里][CIKM 2020] MiNet: Mixed Interest Network for Cross-Domain Click-Through Rate Pr...以下為個人對文章的理解記錄，如有錯誤，歡迎指正~~如果覺得有幫助或者寫的還行，點個贊唄~~~ 引用: Ouyang W, Zhang X, Zhao L, et al. Mi...
個人介紹
復(fù)旦大學(xué)研究生在讀，目前對推薦系統(tǒng)與深度學(xué)習(xí)比較感興趣，了解一點NLP、機器學(xué)習(xí)相關(guān)。