zoukankan      html  css  js  c++  java
  • 论文笔记-Wide & Deep Learning for Recommender Systems

    本文提出的W&D是针对rank环节的模型。

    网络结构:

    本文提出的W&D是针对rank环节的模型。

    网络结构:

    wide是简单的线性模型,但是可以预先对特征做各种变换、交叉等来增加wide模型的非线性性。

    deep是一个FNN,对高维稀疏类别特征采取embedding降维,embedding的结果是在训练时候学出来的。

    wide与deep结合的方式,是将两者的输出通过加权最后喂给一个logistic损失函数。值得注意的是,这里是join train并不是ensemble,ensemble是两个模型单独学习,而w&d是同时学习的。

     

    wide是简单的线性模型,但是可以预先对特征做各种变换、交叉等来增加wide模型的非线性性。

    deep是一个FNN,对高维稀疏类别特征采取embedding降维,embedding的结果是在训练时候学出来的。

    wide与deep结合的方式,是将两者的输出通过加权最后喂给一个logistic损失函数。值得注意的是,这里是join train并不是ensemble,ensemble是两个模型单独学习,而w&d是同时学习的。

     
  • 相关阅读:
    运行python脚本后台执行(转载)
    双积分式(A/D)转换器电路结构及工作原理
    SAR ADC简介
    [hdu-6395]Sequence 分块+矩阵快速幂
    [hdu-1272]小希的迷宫 并查集
    redhat7.2安全基线BI
    Oracle 12c RAC
    .gitlab-ci.yml简介
    gitlab
    Centos 7 Docker安装配置
  • 原文地址:https://www.cnblogs.com/akanecode/p/8093729.html
Copyright © 2011-2022 走看看