基于深度学习模型Wide&Deep的推荐

  1. 云栖社区>
  2. 阿里云机器学习>
  3. 博客>
  4. 正文

基于深度学习模型Wide&Deep的推荐

傲海 2018-11-16 11:12:18 浏览4563
展开阅读全文

本实验选用数据为UCI开源数据集,仅用于学习,请勿商用)

Wide&Deep推荐算法出自一篇论文《Wide&Deep Learning for RecommenderSystems》,Wide&Deep由两部分组成,分别是Wide和Deep。先来说wide,表示的是generalized的推荐系统,传统的推荐系统都是通过线性算法基于离散特征来做推荐的。Wide推荐通常是这样的:系统通过获得用户的购物日志数据,包括用户点击哪些商品,购买过哪些商品,然后通过one-hot编码的方式构成离散特征或者通过对业务的理解衍生出一些特征,并进行计算,类似于本系列文章第二篇。这种wide推荐方式有非常多的好处,比如对于大规模的稀疏数据有很好的效果,而且模型的解释性很强。什么叫模型的解释性呢?以逻辑回归为例,每个特征都对应模型

网友评论

登录后评论
0/500
评论
傲海
+ 关注
所属云栖号: 阿里云机器学习