05 2019 档案
摘要：import numpy as np def softmax(x): """ 对输入x的每一行计算softmax。 该函数对于输入是向量（将向量视为单独的行）或者矩阵（M x N）均适用。 代码利用softmax函数的性质: softmax(x) = softmax(x + c) 参数: x -- 一个N维向量，或者M x N维nu...
阅读全文
摘要：https://zhuanlan.zhihu.com/p/37290775 https://github.com/NELSONZHAO/zhihu/blob/master/mt_attention_birnn/mt_attention_birnn.ipynb https://keras.io/zh/
阅读全文
摘要：https://zhuanlan.zhihu.com/p/26306795 https://arxiv.org/pdf/1411.2738.pdf https://zhuanlan.zhihu.com/p/53194407 https://zhuanlan.zhihu.com/p/58805184
阅读全文
摘要：https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/45530.pdf https://zhuanlan.zhihu.com/p/25343518 https://zhuanlan.zhihu
阅读全文
摘要：Encoder-Decoder框架： 目前大多数注意力模型附着在Encoder-Decoder框架下，当然，其实注意力模型可以看作一种通用的思想，本身并不依赖于特定框架，这点需要注意。 抽象的文本处理领域的Encoder-Decoder框架： 文本处理领域的Encoder-Decoder框架可以这么
阅读全文
摘要：参考： https://zhuanlan.zhihu.com/p/51623339 https://arxiv.org/abs/1706.06978 注意力机制顾名思义，就是模型在预测的时候，对用户不同行为的注意力是不一样的，“相关”的行为历史看重一些，“不相关”的历史甚至可以忽略。那么这样的思想反
阅读全文
摘要：参考：https://zhuanlan.zhihu.com/p/31529643 在CTR预估中，负样本采样是一种常见的特征工程方法。一般CTR预估的原始正负样本比可能达到1:1000~1:10000左右，而要获取好的效果，一般需要采样到1:5~1:15之间（VC维可推导）。 我们详细分析采样对于p
阅读全文
摘要：deep&wide为啥work，如何优化特征；详述attention，attention在ctr预估中如何使用，din为啥work？详述transformer，如何应用于ctr预估;item2vec为啥work，如何优化？dssm的原理，如何应用推荐系统中？推荐系统的流量分层如何优化？强化学习如何用
阅读全文
