03 2025 档案

摘要：1. 加权和

m e r g e_s c o r e = \sum_{i} w e i g h t_{i} \times p r e d_s c o r e_{i}

$merge\_score = \sum_{i} weight_{i} \times pred\_score_{i}$ 优点：非常直观，认为哪个目标重要调大这个目标的融合公式就可以了缺点： 1. 如果不同目标尺度差异过大会导致调参困难 2. 对所有用户都一样，没有用户粒度的个性化阅读全文

posted @ 2025-03-03 17:20 xd_xumaomao 阅读(11) 评论(0) 推荐(0) 编辑

公告

昵称： xd_xumaomao
园龄： 5年9个月
粉丝： 1
关注： 0

+加关注

<

2025年3月

>

日

一

二

三

四

五

六

23

24

25

26

27

28

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

1

2

3

4

5

随笔档案

阅读排行榜

最新评论

1. Re:Weighted LR （WCE Weighted cross entropy）
@gxxxxxxl 是的，第三行最右边是y'...
--xd_xumaomao
2. Re:Weighted LR （WCE Weighted cross entropy）
倒数第二张图的公式推导有问题吧，第三行的 y' 就开始少了，对吗？
--gxxxxxxl
3. Re:ListNet和ListMLE
@葡萄和咖啡是的，不小心写错了，感谢指正...
--xd_xumaomao
4. Re:ListNet和ListMLE
博主你好，请问你的例子里面是不是应该是三个排列的概率相乘而非相加呢？
--葡萄和咖啡
5. Re:对比学习《Self-supervised Learning for Large-scale Item Recommendations》
@dddddddddsdf 按论文说的，应该是先按互信息把特征分成两个集合：集合1和集合2，样本1是mask集合1中的特征+dropout得到的，样本2时mask集合2中的特征+dropout得到的，...
--xd_xumaomao

xd_xumaomao

03 2025 档案

公告

搜索

我的标签

随笔档案

阅读排行榜

推荐排行榜

最新评论