摘要：
这是对之前知识的补漏：必须要拿适当的曝光未点击最为hard负样本，线上才能得到较好的效果。理论依据如下： 阅读全文
摘要：
推荐中的重要用户特征： 1）用户画像，基础属性信息； 2）环境特征，一线还是45线小城镇； 3）资讯特征，新闻or搞笑or即时资讯； 4）相关性特征，关键词匹配特征，类别特征，匹配程度； 5）热度特征，有热度的咨询会做全局推送； 6）协同特征，比较强大的工具，系统过滤模型通过作品的相似程度进行推送 阅读全文
摘要：
对于我来说仓位管理是至关重要的，不管是合约还是投资，它在我的交易系统里是独占一个大分支的，有很多详细规则约束着。 我只说些浅的，更多的我肯定自己藏着，靠你自己揣摩。 以最简单的合约举例，我会大致分为四部分 第一阶段：建仓（也可以叫试仓）目的是确定此项交易是否，同时也要根据建仓的多少规划后续仓位分配， 阅读全文
摘要：
from keras import Sequential, Model from keras.optimizers import Adam from keras.callbacks import ModelCheckpoint, ReduceLROnPlateau from keras.layers 阅读全文
摘要：
对于变长特征编码，我们往往需要用到此。它们的作用是： Padding：将本来不相同的样本填充到相同的长度，以便于后面的处理，我们一般使用0做填充 Mask：告诉网络层那些是真正的数据，哪些是填充的“0”，从而帮助网络层更好地计算 目的：提升序列模型的精度和准确率 使用方法如下： # 第一步，将数据p 阅读全文
摘要：
tf模型线上部署需要采用saved_model形式，现将踩过的坑记录如下： """ Function: h5 model to pb to saved_model """ import os import keras import tensorflow import tensorflow as tf 阅读全文
摘要：
来源：https://www.zhihu.com/question/515951059/answer/2349479254 阅读全文
摘要：
loss的设计对系统来说至关重要，最初采用用户侧和商品侧向量的夹角余弦，binary_crossentropy进行优化，无法得到满意的模型效果，依托深度模型强大的拟合能力，特征向量居然全部归零。随后重新对系统改进，主要是1.负样本构建；2.loss函数设计 这里主要讲第二点。 基于距离的损失函数-- 阅读全文
摘要：
1.多输入、多输出 模型某一层接收多输入数据，以实现共享该层参数的目的。如对title和desc做文本分类，两类可以共享一个embedding数据，进而获取某种关联特征，示例代码如下： title = Input(shape=(30,),name="title") desc = Input(shap 阅读全文
摘要：
模型结构：双塔结构，包括user tower和item tower 重要的几点： 1.user tower包括了用户的年龄、性别、期望等基本属性，行为数据：搜索query及前7天历史query 2.item tower包括了物品数据（行业特性决定），title、skills、desc，纯文本形式 3 阅读全文