12 2024 档案

【代码复现】Face X-ray for More General Face Forgery Detection
摘要：前言：这篇文章记录了本人复现Face X-ray代码的过程以及参考的代码。由于这篇文章是笔者在完成复现完编写的，可能会有一些bug或者问题遗漏。在实现过程中，在关键点检测和混合人脸的过程推荐使用3.6版本的python环境。 一、关键点检测 原文参考的关键点检测模型是Joint cascade fa 阅读全文
posted @ 2024-12-14 21:54 九年义务漏网鲨鱼 阅读(209) 评论(0) 推荐(0)
【推荐算法】单目标精排模型——Wide & Deep
摘要：key word: Google应用商店 Motivation： 作者认为一个好的推荐模型需要包含memorization和generalization。memorization主要负责记忆法频繁出现的特征项；generalization主要负责挖掘新的特征组合；截至2016年，作者认为目前的基于神 阅读全文
posted @ 2024-12-12 14:18 九年义务漏网鲨鱼 阅读(59) 评论(0) 推荐(0)
【推荐算法】单目标精排模型——DIEN
摘要：key word: 阿里巴巴，广告点击率预测 Motivation： 截至2018年，还没有相关的推荐算法考虑到用户兴趣的趋势。作者认为大多数的模型是直接将行为视为兴趣，无法直接提取用户真正的潜在兴趣特征。因此，作者提出了DIEN模型，利用interest extractor layer通过用户历史 阅读全文
posted @ 2024-12-11 17:03 九年义务漏网鲨鱼 阅读(158) 评论(0) 推荐(0)
【推荐算法】单目标精排模型——FiBiNET
摘要：key word: 学术论文 Motivation：传统的Embedding&MLP算法是通过内积和Hadamard product实现特征交互的，这篇文章的作者提出了采用SENET实现动态学习特征的重要性；作者认为简单的内积和Hadamard product无法有效对稀疏特征进行特征交互，因此提出 阅读全文
posted @ 2024-12-10 22:06 九年义务漏网鲨鱼 阅读(72) 评论(0) 推荐(0)
【推荐算法】单目标精排模型——DIN
摘要：key word: 阿里巴巴广告推荐 Motivation：传统的Embedding&MLP算法会在用户的不同兴趣上产生瓶颈，这些算法是通过模型输出的用户不同行为序列的特征向量，做一个池化操作最后预测点击率，这种固定的特征往往不能够反应用户不同的兴趣特征，池化操作会损失特征信息。例如在广告推荐系统中 阅读全文
posted @ 2024-12-09 16:10 九年义务漏网鲨鱼 阅读(212) 评论(0) 推荐(0)
【推荐算法】单目标精排模型——Deep Crossing
摘要：这篇文章的模型是在广告推荐的背景下实现的。 预测任务：预测用户在给定查询中点击广告的可能性 一、研究动机 ​ 此前的特征交互是基于人工操作的，面对现如今大规模的特征很难再去人工生成大规模的交互特征。因此，这篇文章提出了Deep Crossing model，是将稠密和稀疏数据作为输入，自动交互特征的 阅读全文
posted @ 2024-12-08 10:31 九年义务漏网鲨鱼 阅读(91) 评论(0) 推荐(0)
【推荐算法】推荐系统中的单目标精排模型
摘要：前言：推荐系统中模型发展较快，初学者【也就是笔者】很难对模型进行一个系统的学习。因此，这篇文章总结了王树森中的视频以及《深度学习推荐系统》中的单目标精排模型，绘制了一个单目标精排模型的思维导图来帮助初学者【笔者】更好的学习。在后面的学习过程中，会加入更多的单目标精排论文的学习过程以及丰富思维导图。 阅读全文
posted @ 2024-12-07 20:30 九年义务漏网鲨鱼 阅读(80) 评论(0) 推荐(0)
【推荐算法】推荐系统中的特征工程
摘要：前言：这篇文章是阅读石塔西《互联网大厂推荐算法实战》第二章推荐系统中的特征工程的学习笔记，在未来对于特征向量的学习笔记会在此基础上进行补充。编者认为特征工程已经过时的言论是错误的，该言论认为DNN模型可以自主的完成对数据特征的提取，但是在Deep Cross Network网络中，作者直接指出仅采用 阅读全文
posted @ 2024-12-07 19:20 九年义务漏网鲨鱼 阅读(223) 评论(0) 推荐(0)
【词向量表示】Item2Vec、DeepWalk、Node2vec、EGES词向量生成算法
摘要：前言：一般来说用户Embedding在推荐系统中可以通过物品的Embedding向量平均或者聚类实现，因此物品的Embedding算法的效果成为重中之重。这篇文章是笔者阅读《深度学习推荐系统》第四章Embedding技术在推荐系统中的应用的学习笔记。本篇文章主要介绍传统词向量的生成算法，在Word2 阅读全文
posted @ 2024-12-05 11:10 九年义务漏网鲨鱼 阅读(242) 评论(0) 推荐(0)
【频域后门攻击】An Invisible Black-box Backdoor Attack through Frequency Domain
摘要：《An Invisible Black-box Backdoor Attack through Frequency Domain》生成扰动的方式较为简单但有效，通过对中、高频的幅值加入一定的扰动来生成中毒样本了。 一、研究动机 ​ 在空间域的图像扰动生成的对抗样本很难做到既不被人眼发现又能够被深度学 阅读全文
posted @ 2024-12-04 22:22 九年义务漏网鲨鱼 阅读(279) 评论(0) 推荐(0)
【词向量表示】Word2Vec原理及实现
摘要：目录Word2VecHow achieveLookup tableCodingPre-dataingModelNegative sameple Word2Vec 单词与单词之间的向量往往不在同一个向量空间，例如，传统的编码方式：one-hot编码，不同单词[1, 0, 0]和[0, 1, 0]之间的 阅读全文
posted @ 2024-12-04 15:34 九年义务漏网鲨鱼 阅读(174) 评论(0) 推荐(0)
【推荐算法】推荐系统的评估
摘要：这篇文章是笔者阅读《深度学习推荐系统》第五章推荐系统的评估的学习笔记，在原文的基础上增加了自己的理解以及内容的补充，在未来的日子里会不断完善这篇文章的相关工作。 离线评估 在离线环境中利用已有的数据划分训练集和测试集对模型进行评估 划分数据集方法 机器学习常用划分方法：Holdout法、交叉验证、留 阅读全文
posted @ 2024-12-03 23:19 九年义务漏网鲨鱼 阅读(188) 评论(0) 推荐(0)