原创 [CTR預估] DSIN模型

最近看了一篇文章‘Deep Session Interest Network for Click-Through Rate Prediction’, 這篇是阿里發表在IJCAI2019的文章。 文章地址:https://arxiv.org

原创 【CTR預估系列】Deep & Cross Network 模型

論文下載地址:https://arxiv.org/pdf/1708.05123.pdf 如果瞭解WD模型的話,簡單的說這篇文章就是把WD模型的wide側改成了cross網絡。 結構圖如下所示:                      

原创 【Semantic Embedding系列】: LSTM-DSSM模型

論文下載地址:https://arxiv.org/pdf/1412.6629.pdf 其實這幾篇論文,DSSM, C-DSSM, LSTM-DSSM 百度一下資料一大堆,不過我還是選擇自己去看了一遍,然後做一下筆記,便於更深入的理解。不過

原创 【Semantic Embedding系列】: CDSSM(CLSM)模型

文章下載地址:https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/cikm2014_cdssm_final.pdf DSSM模型的輸入是query和doc

原创 【Semantic Embedding系列】: DSSM模型

論文下載地址 DSSM現在應該已經算是經典的文章了,有些年頭了。網上已經有很多優秀的博客對該算法進行分析,建議去看那些文章,講的比較全面。 DSSM的思想是利用搜索點擊數據,分別將query和docment利用DNN映射到高緯語義空間,然

原创 【Graph Embedding系列】: SDNE算法

論文“Structural Deep Network Embedding”發表在kdd2016 論文下載地址:https://www.kdd.org/kdd2016/papers/files/rfp0191-wangAemb.pdf 論文

原创 【Graph Embedding系列】: node2vec算法

論文“node2vec: Scalable Feature Learning for Networks”發表在kdd2016,文章提出了一個新的graph embedding 論文地址:https://www.kdd.org/kdd201

原创 【Graph Embedding系列】: LINE算法

論文“LINE: Large-scale Information Network Embedding”發表在WWW‘15上,提出了一個適用於大規模網絡embedding算法“LINE”。 論文下載地址:https://arxiv.org/

原创 【Graph Embedding系列】: DeepWalk算法

論文“DeepWalk: Online Learning of Social Representations” 發表在kdd2014, 下載地址:https://arxiv.org/pdf/1403.6652.pdf 作者開源的代碼:ht

原创 【Graph Embedding系列】: metapath2vec算法

metapath2vec: Scalable Representation Learning for Heterogeneous Networks 發表在kdd2017,用於解決異構網絡的embedding表示。個人看完文章的感覺就是將d

原创 使用meshlabserver批量處理三維模型(附代碼)

http://blog.csdn.net/sxf1061926959 歡迎訪問我的博客 Meshlab的.mlx腳本,可以保存對原數據的操作,然後通過meshlabserver進行批量處理。 本人最近要對三維模型進行批量降採樣,如

原创 熱核特徵(heat kernel signature,HKS)簡單解釋(附可運行代碼)

Author: DivinerShi 本文地址 最近在看相關東西,直接看文獻的話,廢話太多,中文的相關解釋又很少,所以直接把wiki的翻譯過來了,並做一點擴展。wiki英文原版 熱核特徵(Heat Kernel signature,

原创 【Graph Embedding 召回策略】Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba

本文是阿里在kdd2018發表的關於使用graph embedding作爲淘寶首頁推薦召回策略的算法實現。現在利用圖embedding來做召回算是業界最前沿的技術,下面我們來看看淘寶是如何來用戶行爲轉化爲圖,以及從圖中學習出item的em

原创 【論文解讀】:Real-time Personalization using Embeddings for Search Ranking at Airbnb

原始論文下載地址: 本文是kdd 2018 的best paper,文章來自airbnb的搜索推薦團隊,描述的是airbnb如何使用embedding來提高搜索和排序的效果。 知乎有官方認證的中文文章(文章地址,原始論文)。文章利用搜索的

原创 論文解讀:Applying Deep Learning To Airbnb Search

論文地址:https://arxiv.org/abs/1810.09591 這篇論文將的是airbnb搜索在深度學習方面的探索 airbnb最開始在搜索排序中使用的是gbdt,但是隨着模型的穩定,gbdt帶來的提升越來越有限。而這篇文章就