發(fā)簡(jiǎn)信
IP屬地：上海
-
Neural Sentiment Classification with User and Product Attention采用了hierarchy的架構(gòu)暖呕，即兩層encoder（rnn_size取200），分別代表word-level和sentence-level苞氮。亮...
-
Character-level Convolutional Networks for Text Classification文中指出，在大規(guī)模數(shù)據(jù)集上（尤其是書寫不規(guī)范的ugc）笼吟，cnn文本分類問(wèn)題在char-level同樣有很好的效果库物。文中alphabet總共有70...
-
Hierarchical Attention Networks for Document Classificationhierarchy指的是兩層--word層和sentence層赞厕，模型很簡(jiǎn)單艳狐，想法很自然 word embedding bi-gru 作為word...
-
DeepFM: A Factorization-Machine based Neural Network for CTR PredictionDeepFM是一個(gè)集成了FM和DNN的神經(jīng)網(wǎng)絡(luò)框架皿桑，思路和Google的Wide&Deep相似，都包括wide和deep兩部分蔬啡。W&D模型的wi...
-
Product-based Neural Networks for User Response Predictionctr預(yù)估 其中底層為embedding+乘積層，embedding層由FM初始化（見(jiàn)FNN）箱蟆，從參數(shù)規(guī)墓敌鳎考慮embedding_size選擇了...
-
Deep Learning over Multi-field Categorical Datactr預(yù)估 ctr中傳統(tǒng)的FM空猜，以神經(jīng)網(wǎng)絡(luò)的角度來(lái)看可以等效為下圖： 對(duì)比FM公式來(lái)看绽慈，第一項(xiàng)為圖中最左邊常數(shù)恨旱，第二項(xiàng)為每個(gè)field的權(quán)重，第...
-
Wide & Deep Learning for Recommender Systems推薦系統(tǒng) Wide Component:一層線性結(jié)構(gòu)（類似lr）搜贤，特征包括raw feature以及手工特征（如cross product） D...
-
GBDT, XGBoost, LightGBM
GBDT 梯度提升樹實(shí)在提升樹的基礎(chǔ)上發(fā)展而來(lái)的一種使用范圍更廣的方法钝凶，當(dāng)處理回歸問(wèn)題時(shí)仪芒，提升樹可以看作是梯度提升樹的特例(分類問(wèn)題時(shí)是不是特例...
-
Convolutional Sequence to Sequence Learning傳統(tǒng)的embedding耕陷，將詞向量空間映射到d維 編碼器+解碼器--多層cnn掂名，卷積核的大小k，參數(shù)規(guī)模為kd * 2d哟沫，其中kd為每一次卷積的...