automl在推荐系统排序模型的探索与应用上_第1页
automl在推荐系统排序模型的探索与应用上_第2页
automl在推荐系统排序模型的探索与应用上_第3页
automl在推荐系统排序模型的探索与应用上_第4页
automl在推荐系统排序模型的探索与应用上_第5页
已阅读5页,还剩20页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

LR模型:手工特征工FM模型:自动二阶特征组Wide&DeepWide部分手工特征工程+Cross特Wide&Deep是相对原始的深度模可以看作把Wide&Deep的LR换成FM;目前StateoftheArt深度模 多阶组合 N的结阶段:多 à模型Embedding统传统多

策略化à模型索 多 à统典型多人工特征工程à排序模型发展现状:DNNRanking深度学习两大里程碑图像领域àResNet(SkipNLP领域àBert模型(两阶段:预训练+Fine-DNNRanking模型的困境模型太肤浅,没深度没有模型具有突破性的效果提升vs.私有数据我们期待DNNRanking的ResNet&Bert高光时刻完备而简洁的DNN模今日头条系目前采用的是这个模当然,也有缺点:缺乏细粒度的用户行为刻趋势趋势1(W&D/DeepFM/DeepFFM/DIN/DIEN趋势2:显示特征组合(xDeepFM/Deep&Cross结论:2(OK,(OK,还没证明自己18年年中AILab尝试过,效果与DeepFM(OK,butnot(不是好选择(辅助结构趋势3:特征抽取器的进 环境下情况要 复初步尝 embedding,较好效果 / 趋势4:多模态(文本,,,音频….etc.)趋势5:多目标(点击,互动,时长…..etc.)行为漏斗:浏览>点击>互动趋势6:多任务(迁移学习,数据量多任务向数据量少任务迁移知识现状:互联网公司里,很多任务数据量够多 地体现在行为漏斗中排序模型发展现状与趋势:List趋势7:Pointwise->List(流排序instead 打分排序模型的未来 LR模 DeepFM模 5年后的??模假设我们站在5排序模型的未来 by Embedding卷一 AutoML+Ranking:特征自动化à附赠思考题:算法工程师的未来 如果还有未来的话去年(2018)下半 AILab做过尝试基本构件:onehot-embedding/MLP隐层/FM层/Skip-AutoML方法AutoML找出的最优结构,效果略微比DeepFM好,不太多排序模型的未来:排序模型也许没有未问题 和排序两阶段模型,是否可以融合为单阶段模型思想实验:让

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论