论文笔记-Wide & Deep Learning for Recommender Systems

Posted Akane

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了论文笔记-Wide & Deep Learning for Recommender Systems相关的知识,希望对你有一定的参考价值。

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:

技术分享图片

技术分享图片

 

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。

 

技术分享图片

 

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。

 

以上是关于论文笔记-Wide & Deep Learning for Recommender Systems的主要内容,如果未能解决你的问题,请参考以下文章

原创 | 巨经典论文!推荐系统经典模型Wide & Deep

巨经典论文!推荐系统经典模型Wide & Deep

推荐系统经典模型 Wide & Deep 论文剖析

(读论文)推荐系统之ctr预估-Wide&Deep模型解析

19推荐系统9Wide&Deep

6.1 tensorflow2实现Wide&Deep推荐系统——Python实战