WD实践应用

news/2024/5/20 0:27:04 标签: 推荐算法, 算法, 机器学习

参考:wide&deep 在贝壳推荐场景的实践

Wide&Deep模型的八个实战细节

本文为“wide & deep 模型在贝壳首页二手房推荐场景中的实践”阅读笔记。

        无论在哪个推荐领域,推荐系统面临的一个共同挑战是如何同时满足推荐结果的准确性和多样性。准确性要求推荐的内容与用户高度相关,推的精准;多样性则要求推荐内容更加新颖,让用户具有新鲜感。设计合理的推荐策略,兼顾内容准确性和多样性,提升线上推荐效果,一直是我们算法同学的工作重点。

1. wide & deep 模型概述

1.1 概述

        目前W&D模型已经开源,并且在TensorFlow上提供了高级API。文中设计了一种融合浅层模型(wide)和深层模型(deep)进行联合训练的框架,综合利用浅层模型的记忆能力和深层模型的泛化能力,


http://www.niftyadmin.cn/n/1399378.html

相关文章

DeepFM实践

参考:DeepFM在贝壳房源详情页推荐场景的实践 深度学习在美团搜索广告排序的应用实践[4] 1. DeepFM 模型概述 W&D 是一个 Wide 侧使用 LR,Deep 侧使用 DNN 的联合学习模型,但在 Wide 侧 LR 一般需要大量的特征工程工作。华为的诺亚方舟实验室提出的 DeepFM 则使用 FM[3…

XGBoost+FFM级联模型实现

1. FFM模型构建 训练样本的原始特征,以及xgb对训练样本的预测结果(样本在每棵树上的结果,作为一维特征),作为FFM模型的输入。 2. FFM训练样本生成 input:原始特征,xgb对训练样本在每棵树上的预测结果; output:含有field格式的ffm训练样本。 原始特征处理: 将之前已离散…

业界Embedding方法调研

1. 业界Embedding方法调研 1.1 YouTube 全连接模型,最上层的Relu输出为k维用户向量,然后经过 k*M 矩阵,映射为M维向量(与之对应,item共有M个),再经过softmax与用户点击过的视频拟合。 其中 k*M 为item向量,每个item向量为k维。 1.2 新浪 FM模型,特征分为3类: 1. 用户…

标签预测那些事

1. 标签预测思路 1.1 问题描述 通过老用户的静态特征(手机品牌、性别、地域、安装的APP列表),以及用户的兴趣标签tag分数,构造模型预测新用户的兴趣标签tag。 1.2 特征说明及预处理 1. 手机品牌组 原始手机品牌非常杂乱,包括各大厂商的子品牌,共计6W个。 取京东上有售的…

模拟生产者-消费者模式

利用队列来做同步时是非常简单方便的。 1. 简介 queue模块提供了同步的线程安全的队列类,都具有原子性,实现线程间的同步。 Queue: FIFO; LifoQueue: LIFO; PriorityQueue (优先级队列) task_done(): 在使…

spark demo 运行

1. 自定义数据生成查询表 package com.zz.spark.sparksqlimport org.apache.spark.sql.{DataFrame, SparkSession}/*** 自定义DataFrame注册成数据表,查询数据表*/ object Demo1 {def main(args: Array[String]): Unit = {val spark = SparkSession.builder().appName("D…

spark 日期参数传递

从table1中导数据到table_df昨天的分区。 package com.zz.spark.dm.tagimport org.apache.spark.sql.{DataFrame, SparkSession} import java.text.SimpleDateFormat import java.util.{Calendar, Date}object Demo1 {def main(args: Array[String]): Unit {val spark Spark…

hive 列转行与行专列

1. 行转列 SQL SERVER 2005 提供了行转列方法pivot(),以及列转行unpivot()方法; 但hive 里面没有自带pivot函数,以下为自己实现: 实现将原始表 转为目标表 11 select name ,sum(if(coursemath, score, null)) as math ,sum(if…