OneChance

0. 写在前面 在fastText问世以前，线性模型在文本分类任务中占据了主要地位，如果选用了正确的特征，往往能取得不错的效果。但是，其模型简单成为线性模型发展的瓶颈。神经...

0. 写在前面 本次分享一篇NLP文本匹配的经典文章，主要思路是借鉴图像识别的思路来解决NLP文本匹配问题，毕竟计算机视觉技术的发展在当时异常迅猛。 1. 背景 文本匹配广...

0. 写在前面 “匹配”这类任务有着很广泛的应用场景，例如NLP中的文本匹配，推荐领域的物品召回等任务。由此，学术界和工业界提出了很多不同的方法和模型来解决匹配问题，并致力...

0. 写在前面 前面我们介绍了FM系列的三大模型，包括FM模型，DeepFM以及NFM。DeepFM与NFM模型都对FM做了不同程度的优化，重点都是结合神经网络实现对特征的...

0. 写在前面 继上次介绍了DeepFM模型后，本文我们介绍将FM模型思想结合神经网络的又一工作 -- NFM（Neural Factorization Machine），...

0. 写在前面 前面我们介绍了FM模型的实现要点，也提到了其在推荐领域内的影响力。本篇，我们就来说说一种结合神经网络和FM的推荐模型--DeepFM，其他相关思路的模型将在...

0. 写在前面 推荐系统相关从业人员肯定对FM(Factorization Machines)模型不会感到陌生，工业界及学术界在FM的基础上也提出了一系列优化模型，这些模型...

在处理实际的机器学习问题的过程当中，常常会遇到id类特征的情况，例如推荐场景内的用户id，用户性别，商品id等。这里，将平时使用和学习到的常见解决思路进行一个总结。 1. ...

0. 写在前面 前面我们分别讲了alibaba在电商推荐场景下的两大工作，分别是DIEN和DSIN。 其实，这两个模型均基于最初的模型DIN（Deep Interest N...

0. 写在前面 接着上一篇《DIEN论文解读》来讲讲alibaba最近的一个成果--DSIN(Deep Session Interest Network)深度兴趣会话网络。...

0. 说在前面 这篇论文距发表已经有一段时间了，但作为引入用户时序信息中提取用户兴趣的经典思路，在一些技术细节上还是有必要学习借鉴下。 1. 背景 在商品推荐场景中，用户的...