【Paper】Deep & Cross Network for Ad Click Predictions
目录 背景 相关工作 主要贡献 核心思想 Embedding和Stacking层 交叉网络(Cross Network) 深度网络(Deep Network) 组合层(Combination Layer) 理论 ...
原文：DIN(Deep Interest Network of CTR) [Paper笔记]
背景 经典MLP不能充分利用结构化数据，本文提出的DIN可以 使用兴趣分布代表用户多样化的兴趣 不同用户对不同商品有兴趣 与attention机制一样，根据ad局部激活用户兴趣相关的兴趣 用户有很多兴趣，最后导致购买的是小部分兴趣，attention机制就是保留并激活这部分兴趣 。 评价指标 按照user聚合样本，累加每个user组的sum shows AUC sum shows 。paper说实 ...
2017-12-12 09:35 0 8688 推荐指数：
相关推荐
[ 论文阅读 ] [ 2018 KDD ] [ 42 ] Deep Interest Network for Click-Through Rate Prediction
这个博客的目的是串一下阿里的一篇利用神经网络进行点击率预估的文章。作者提出了DIN (Deep Interest Network) 网络, 对点击的提升较大。 特征工程 工业界的数据一般长成categorial的形式，例如，我们有下面的数据: [weekday=Friday ...
Paper Read: Robust Deep Multi-modal Learning Based on Gated Information Fusion Network
Robust Deep Multi-modal Learning Based on Gated Information Fusion Network 2018-07-27 14:25:26 Paper：https://arxiv.org/pdf/1807.06233.pdf ...
CTR学习笔记&代码实现2-深度ctr模型 MLP->Wide&Deep
背景 这一篇我们从基础的深度ctr模型谈起。我很喜欢Wide&Deep的框架感觉之后很多改进都可以纳入这个框架中。Wide负责样本中出现的频繁项挖掘，Deep负责样本中未出现的特征泛化。而后续的改进要么用不同的IFC让Deep更有效的提取特征交互信息，要么是让Wide更好的记忆样本信息 ...
CTR学习笔记&代码实现5-深度ctr模型 DeepCrossing -> Deep&Cross
之前总结了PNN,NFM,AFM这类两两向量乘积的方式，这一节我们换新的思路来看特征交互。DeepCrossing是最早在CTR模型中使用ResNet的前辈，DCN在ResNet上进一步创新，为高阶特征交互提供了新的方法并支持任意阶数的特征交叉。 以下代码针对Dense输入更容易理解模型结构 ...
[论文阅读笔记] Structural Deep Network Embedding
[论文阅读笔记] Structural Deep Network Embedding 本文结构 解决问题 主要贡献 算法原理 参考文献 (1) 解决问题 现有的表示学习方法大多采用浅层模型，这可能不能捕获具有高度非线性的网络结构，导致学习到一个局部最优的节点 ...
Deep Belief Network 学习笔记-RBM
Deep Belief Network 学习笔记-RBM By Placebo (纯属个人笔记) 第一次知道deep learning，是上学期dengli博士来实验室的一次报告，他讲到，当神经网络的层数大于2时（即一个hidden层，一个输出层，不算输入层，之后皆采用这种表述 ...
论文笔记之：Dueling Network Architectures for Deep Reinforcement Learning
Dueling Network Architectures for Deep Reinforcement Learning ICML 2016 Best Paper 摘要：本文的贡献点主要是在 DQN 网络结构上，将卷积神经网络提出的特征，分为两路走，即：the state ...