首页
AI Coding
沸点
课程
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
推荐算法
蕉氏折跃
创建于2022-06-18
订阅专栏
学习推荐算法recommendation,侧重于应用GCN编码器,解决recall和ranking阶段问题
等 1 人订阅
共9篇文章
创建于2022-06-18
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
如何在比赛中加载大数据集
在天池的AICAS2023比赛中遇到的数据集太大难以读取的问题,通过查阅资料得以解决,重点在python的GC垃圾回收机制
源码分析:LightGCN的构图过程
通过对LightGCN的源码分析,学习LightGCN构图的初始化过程和数据集分析以更好的使用该模型。
图学习:构造拉普拉斯矩阵【pytorch代码分析】
在图表征有关的论文中,都涉及到拉普拉斯矩阵和拉普拉斯算子,这里以lightGCN中提供的代码为例,记录拉普拉斯矩阵的学习和代码实现
【Torch-RecHub学习】DSSM双塔模型与其两个方向的改进
DSSM双塔模型的思想简述,分享了两个改进的方向:(1)保证重要特征可以尽可能无损的构成final_emb(2)使每个特征在各自的塔中进行传播最后组合成final_emb
推荐系统在召回Matching/Recall阶段的常用Loss(+SGL对比学习的负采样策略)
总结了推荐算法在召回阶段Macthing常用的三种Loss,引出近几年比较热门的应用对比学习的SGL框架的多任务对比损失
【Torch-RecHub学习】DIN实现
使用Torch-RecHub实现DIN模型,din是应用了Attention机制的经典推荐模型,2018年在KDD上由阿里发表其后续改进版本是DIEN,加入GRU对行为序列的先后信息进行建模
【Torch-RecHub学习】DeepFM
使用Torch-RecHub实现DeepFM模型,分析了因子分解机FM的公式,给出了模型的主要代码实现
【Torch-RecHub学习】EmbeddingLayer构造
分析torch-rechub对EmbeddingLayer的构造,回顾了应用skip-gram的word2vec模型构造Embedding Finding Table的做法
【Torch-RecHub学习】Feature层处理
Datawhale团队使用pytorch开发的推荐系统工具包学习,本文是对三种输入的特征:离散型特征、密集型特征、序列型特征的预处理