网站首页 deepfm 第2页
-
字节跳动开源 CowClip:推荐模型单卡训练最高加速72倍
不够快！还不够快？...
2024-08-08 baijin 博客文章 204 ℃ 0 评论 -
深度兴趣网络(DIN,Deep Interest Network)
[转]https://running-bad-ai.github.io/2018/08/02/DIN/摘要...
2024-08-08 baijin 博客文章 112 ℃ 0 评论 -
CTR 预估之 FM（ctr预估模型 案例）
回顾之前用FM做过CTR预估，然后之前接触了一些推荐算法，没搞明白这推荐和CTR之间的区别。给出网上的一些回答：计算广告与推荐系统有哪些区别？读完后的整体感受是：就推荐系统和CTR所属的计算广告来说，两者确实是不同的，是两...
2024-08-08 baijin 博客文章 197 ℃ 0 评论 -
如何使用深度学习技术，准确预计外卖的送达时间?
ETA（预计送达时间预估）是配送调度环节中非常重要的一环，而且涉及的因素特别多。本文阐述了ETA深度学习技术迭代中的一些尝试及效果。1.背景...
2024-08-08 baijin 博客文章 184 ℃ 0 评论 -
特征交叉系列:PNN向量积模型理论和实践，FM和DNN的串联
关键词：...
2024-08-08 baijin 博客文章 188 ℃ 0 评论 -
为什么近几年推荐系统顶会论文都有些灌水?
为什么近几年推荐系统顶会论文看起来都有些灌水呢？就算是Wide&Deep、DeepFM、DIN这些经典巨作，放到一些大型互联网公司的广告场景中，也未必直接有效。这是不是有些奇怪呢？对于我个人来说，读推荐系统领域的论文，一定要仔细阅读...
2024-08-08 baijin 博客文章 278 ℃ 0 评论 -
短视频如何做到千人千面?FM+GBM排序模型深度解析
摘要：背景信息流短视频以算法分发为主，人工分发为辅，依赖算法实现视频的智能分发，达到千人千面的效果。整个分发流程分为：触发召回、排序与重排三个阶段。排序层在其中起着承上启下的作用，是非常重要的一个环节。在排序层优化的过程中，除了借鉴业界...
2024-08-08 baijin 博客文章 88 ℃ 0 评论 -
你的「在看」有人看，清华研究者从微信「看一看」发现了这些规律
选自arXiv...
2024-08-08 baijin 博客文章 201 ℃ 0 评论 -
广告系列:召回与排序(三)（召回旧部的广告语）
导语：特征对于机器学习很重要，整个模型发展的主旋律之一就是对有效特征及其组合的发现和使用。实际场景中影响结果的特征有很多，随着发展业务对预估的精度要求不断提高，模型结构也越来越复杂。召回与排序涉及的模型如过江之鲫，不胜枚举，本文试图通过梳理...
2024-08-08 baijin 博客文章 225 ℃ 0 评论 -
如何利用「深度上下文兴趣网络」提升点击率?
美团到店广告平台在用户行为序列建模算法的迭代落地中，基于对业务实际场景中用户决策心智的观察，创新性地提出了深度上下文兴趣网络，精确建模了用户的兴趣，提升了CTR等线上业务指标。本文介绍了相应算法背后的动机、建模方法以及工程优化，希望能为从事...
2024-08-08 baijin 博客文章 168 ℃ 0 评论
- 控制面板
- 网站分类
- 最新留言
-