編輯整理：鄭智獻
出品社群：datafun
需要了解一下整個排序系統研發過程中我們所面臨的核心問題和挑戰。
如下圖，圓形代表原始特徵值和經過各個運算元處理後的特徵中間值，方形表示特徵處理庫內的運算元，所以特徵處理流程可以視為各個 dag 圖。右邊的兩個例子是用 dag 圖來描述特徵處理流程的相關配置。
deep interest evolution network )
，可以觀察到，層次結構同上：特徵表徵層、特徵交叉層、全連線層，與上面不同的是：特徵交叉不再受限於人工交叉或各種方式的2階交叉，而是讓 nn 網路去進行更高階的特徵交叉表達。網路的基本單元仍然包括：linear、cross、deep。
推薦系統 新聞推薦入門之排序模型 模型融合
排序階段選擇了三個比較有代表性的排序模型，它們分別是 lgb的排序模型 lgb的分類模型 深度學習的分類模型din 得到了最終的排序模型輸出的結果之後，還選擇了兩種比較經典的模型整合的方法 輸出結果加權融合 staking 將模型的輸出結果再使用乙個簡單模型進行 din的全稱是deep intere...
推薦系統 3 深度學習發展
深度學習推薦模型，有早期微軟的deepcrossing,google的wide deep，阿里的mlr，到現在影響力非常大的din,dien,youtube的深度推薦模型等。經典的推薦演算法，矩陣分解，在矩陣分解模型的結構中，使用者one hot向量和物品one hot向量分局兩側，他們會先通過隱向...
學習週報20200621 深度學習推薦系統
學習週報 總結自己的學習和遇到的好材料。往期回顧 最近調整了作息，早上早起晚上早睡，所以學習策略也有一些調整，但是學習是一直不能落下，query理解層面自己有了比較完整的一年經驗，要開始把坑挖大，自己的計畫是稍微在推薦系統這個角度看看有沒有一些經驗可以使用吧，一方面是深度學習推薦系統這本書，另一方面...