automl在推薦系統(tǒng)排序模型的探索與應(yīng)用上_第1頁
automl在推薦系統(tǒng)排序模型的探索與應(yīng)用上_第2頁
automl在推薦系統(tǒng)排序模型的探索與應(yīng)用上_第3頁
automl在推薦系統(tǒng)排序模型的探索與應(yīng)用上_第4頁
automl在推薦系統(tǒng)排序模型的探索與應(yīng)用上_第5頁
免費(fèi)預(yù)覽已結(jié)束,剩余20頁可下載查看

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

LR模型:手工特征工FM模型:自動(dòng)二階特征組Wide&DeepWide部分手工特征工程+Cross特Wide&Deep是相對原始的深度模可以看作把Wide&Deep的LR換成FM;目前StateoftheArt深度模 多階組合 N的結(jié)階段:多 à模型Embedding統(tǒng)傳統(tǒng)多

策略化à模型索 多 à統(tǒng)典型多人工特征工程à排序模型發(fā)展現(xiàn)狀:DNNRanking深度學(xué)習(xí)兩大里程碑圖像領(lǐng)域àResNet(SkipNLP領(lǐng)域àBert模型(兩階段:預(yù)訓(xùn)練+Fine-DNNRanking模型的困境模型太膚淺,沒深度沒有模型具有突破性的效果提升vs.私有數(shù)據(jù)我們期待DNNRanking的ResNet&Bert高光時(shí)刻完備而簡潔的DNN模今日頭條系目前采用的是這個(gè)模當(dāng)然,也有缺點(diǎn):缺乏細(xì)粒度的用戶行為刻趨勢趨勢1(W&D/DeepFM/DeepFFM/DIN/DIEN趨勢2:顯示特征組合(xDeepFM/Deep&Cross結(jié)論:2(OK,(OK,還沒證明自己18年年中AILab嘗試過,效果與DeepFM(OK,butnot(不是好選擇(輔助結(jié)構(gòu)趨勢3:特征抽取器的進(jìn) 環(huán)境下情況要 復(fù)初步嘗 embedding,較好效果 / 趨勢4:多模態(tài)(文本,,,音頻….etc.)趨勢5:多目標(biāo)(點(diǎn)擊,互動(dòng),時(shí)長…..etc.)行為漏斗:瀏覽>點(diǎn)擊>互動(dòng)趨勢6:多任務(wù)(遷移學(xué)習(xí),數(shù)據(jù)量多任務(wù)向數(shù)據(jù)量少任務(wù)遷移知識現(xiàn)狀:互聯(lián)網(wǎng)公司里,很多任務(wù)數(shù)據(jù)量夠多 地體現(xiàn)在行為漏斗中排序模型發(fā)展現(xiàn)狀與趨勢:List趨勢7:Pointwise->List(流排序instead 打分排序模型的未來 LR模 DeepFM模 5年后的??模假設(shè)我們站在5排序模型的未來 by Embedding卷一 AutoML+Ranking:特征自動(dòng)化à附贈(zèng)思考題:算法工程師的未來 如果還有未來的話去年(2018)下半 AILab做過嘗試基本構(gòu)件:onehot-embedding/MLP隱層/FM層/Skip-AutoML方法AutoML找出的最優(yōu)結(jié)構(gòu),效果略微比DeepFM好,不太多排序模型的未來:排序模型也許沒有未問題 和排序兩階段模型,是否可以融合為單階段模型思想實(shí)驗(yàn):讓

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論