基于DNN的推荐算法总结
2024-08-26 12:19:04
1.早期的算法
深度学习在CTR预估应用的常见算法有Wide&Deep,DeepFM等。
这些方法一般的思路是:通过Embedding层,将高维离散特征转换为固定长度的连续特征,然后通过多个全联接层,最后通过一个sigmoid函数转化为0-1值,代表点击的概率。即Sparse Features -> Embedding Vector -> MLPs -> Sigmoid -> Output.
这种方法的优点在于:通过神经网络可以拟合高阶的非线性关系,同时减少了人工特征的工作量。
2.DIN
参考:https://www.jianshu.com/p/73b6f5d00f46
最新文章
- 修复win10升级时断电inaccessible boot device
- demo05
- Multithreading annd Grand Central Dispatch on ios for Beginners Tutorial-多线程和GCD的入门教程
- UI进阶 解析XML 解析JSON
- jQuery对象和DOM对象原来不一样啊
- mysql优化21条
- C题
- IIS7和IIS7.5备份和还原的方法
- SQLI LABS Stacked Part(38-53) WriteUp
- MT【326】曲线中的爱恨情仇
- Oracle 12c 创建新的数据库实例、用户
- 第一册:lesson thirty seven。
- 《Linux内核原理与分析》第三周作业
- Mysql 函数使用记录(二)——ELT()、FIELD()、IFNULL()
- 【论文 PPT】 【转】Human-level control through deep reinforcement learning(DQN)
- MVC+linq开发经验
- Python 工匠:编写条件分支代码的技巧
- Medline Plus
- u3d 发布的程序 窗口位置的改变
- 最大生成树——LCA