从核心算法上讲,推荐系统是如何经历从最初的协同过滤到如今的深度学习等各种复杂的机器学习模型的演变。 本次分享将演示如何使用 Tensorflow 实现各种模型,从简单的浅层神经网络双线性模型,到针对推荐系统稀疏数据场景下的 Amazon 的 DSSTNE,和 Youtube 推荐系统采用的神经网络在 TensorFlow 上的实现。 TensorFlow 如何实现 Wide & Deep Learning 的结合。如何结合 Wide Model,也就是传统的基于 Logistic Regression 并且用大量的 Cross-Product 做 Feature,和用 Deep Neural Networks 把大量 Categorial Features 转换成为 Dense Embedding Vector。 同时,还将使用 TensorBoard,来可视化物品(items)和元数据(metadata)的潜在空间(latent space)。以及线上和线下的模型评估方法。
浏览7398次
浏览9798次
浏览3261次
浏览5275次
浏览4207次
浏览3044次
2025-01-08 昆明
2025-04-19 南京
2024-12-27 上海
2025-10-23 上海
打开微信扫一扫,分享到朋友圈