19【推荐系统8】PNN模型——加强特征交叉能力
文章目录
- 1、前言
- 2、网络架构
- 2.1 IPNN
- 2.2 OPNN
- 参考
1、前言
NeuralCF模型的主要思想是利用多层神经网络替代经典协同过滤的点积操作，加强模型的表达能力。广义上，任何向量之间的交互计算方式都可以用来替代协同过滤的内积操作，相应的模型可称为广义的矩阵分解模型。但NeuralCF模型只提到了用户向量和物品向量两组特征向量，如果加入多组特征向量又该如何设计特征交互的方法呢? PNN模型给出了特征交互方式的几种设计思路。
2、网络架构
PNN模型的提出同样是为了解决CTR预估和推荐系统的问题。图1所示为模型结构图，相比Deep Crossing模型，PNN模型在输入、Embedding 层、多层神经网络，以及最终的输出层部分并没有结构上的不同，唯一的区别在于PNN模型用乘积层( Product Layer)代替了Deep Crossing模型中的Stacking层。也就是说，不同特征的Embedding向量不再是简单的拼接，而是用Product 操作进行两两交互，更有针对性地获取特征之间的交叉信息。
19【推荐系统8】PNN模型——加强特征交叉能力相关推荐
- 推荐系统炼丹笔记：聊一聊特征交叉新方式CAN
作 者:一元 公众号:炼丹笔记 昨天看非常多的群友在讨论该篇文章,很是好奇,今天就读了一下,个人感觉本文的co-action操作还是第一次碰到,但该方案在amazu等数据集上对比的方案还是较为弱的,所 ...
- 推荐系统 | 基础推荐模型 | GBDT+LR模型 | Python实现
基础推荐模型--传送门: 推荐系统 | 基础推荐模型 | 协同过滤 | UserCF与ItemCF的Python实现及优化 推荐系统 | 基础推荐模型 | 矩阵分解模型 | 隐语义模型 | PyTor ...
- 推荐系统中特征交叉模型之——DeepWide/DeepFM/NFM
前言 上篇文章中我们引入了推荐系统中特征交叉的概念,以及介绍了一些常见的特征交叉方法,这篇文章我们将详细地讨论一下推荐系统中特征交叉地模型,他们的特点,以及他们为什么会这样.本文中介绍的模型有Wide ...
- 一文看懂推荐系统：排序16：Dual Augmented Two-tower Model和张俊林的SENet，都是为了加入特征交叉想，增强重要特征，去掉噪声，类似于attention的骚操作
一文看懂推荐系统:排序16:Dual Augmented Two-tower Model和张俊林的SENet,都是为了加入特征交叉想,增强重要特征,去掉噪声,类似于attention的骚操作 提示:最 ...
- 聊聊推荐系统的高阶特征交叉问题
文 | 水哥 源 | 知乎 Saying 1. DCN看起来给了我们很好的允诺,但是细细想来是有一些问题的,这里也可以参考大佬的意见 2. 高阶FM的核心设计是先element-wise乘,再对emb ...
- 推荐中使用FNN/PNN/ONN/NFM优化特征交叉
文 | 水哥 源 | 知乎 saying DNN时代来临的时候,LR没打过,也很难加入.FM打不过,但他可以加入 FM的精髓,最上在于latent embedding,有了它才能把交互拆解到基底上:居 ...
- 推荐系统炼丹笔记：阿里推荐算法特征交叉新方式CAN
作 者:一元 公众号:炼丹笔记 昨天看非常多的群友在讨论该篇文章,很是好奇,今天就读了一下,个人感觉本文的co-action操作还是第一次碰到,但该方案在amazu等数据集上对比的方案还是较为弱的,所 ...
- 推荐系统炼丹笔记：推荐算法特征交叉新方式CAN
作 者:一元 公众号:炼丹笔记 昨天看非常多的群友在讨论该篇文章,很是好奇,今天就读了一下,个人感觉本文的co-action操作还是第一次碰到,但该方案在amazu等数据集上对比的方案还是较为弱的,所 ...
- PART 2.1 风控模型种类变量选择范围变量衍生特征交叉
最重要的事情开始都会讲:建模是始终服务于业务的,没有业务的评分卡就没有灵魂 评分卡环节的介绍 风控模型种类 获客阶段: 用户响应模型:在获客阶段的用户转化情况(比如互联网引流用户注册情况) 风险预筛选 ...
- 真正的高阶特征交叉：xDeepFM与DCN-V2
文 | 水哥 源 | 知乎 Saying 1. xDeepFM和DCN-V2是真正的高阶交叉,和前面讲的High Order Factorization Machine(HOFM)又有着千丝万缕的联系 ...
最新文章
- Fedora 31 将被“砍掉”或推迟更久发布，但和 IBM 无关
- Android Studio下项目构建的Gradle配置及打包应用变体
- 矩阵低秩张量分解_TKDE 2020 | CTRR：组稀疏约束的紧凑张量环回归
- Jupyter Notebook: 解决build docker-stacks时conda太慢的问题
- mysql 服务器性能,mysql服务器性能配置
- Java多线程sleep和wait的区别，总结得非常好
- Android四级缓存,RecyclerView的四级缓存-初探
- CentOS Linux 7绑定静态IP方法
- Java运算符（Operator）之 算数运算符（ArithmeticOperator）
- sscli 2.0 简介
- 软启动器说明书_软启动器怎么接线？一张电路图一张实物图供大家参考
- AcWing提高算法课Level-3 第四章 高级数据结构
- Android ProgressDialog 实现圆形进度对话框 和 水平进度对话框
- iOS 性能、架构、socket 小结
- 每日新闻早报简报十条和1条微语分享
- 尚学堂j2ee视频教程
- vue-router使用history模式配置说明
- PELU激活函数的tensorflow实现（一） Parametric Exponential Linear Unit
- Android 音频技术开发总结
- Golang调用FFmpeg转换视频流