From 9cdc812ca3192cb53261a840c936cf5dae1f1ccb Mon Sep 17 00:00:00 2001 From: RuyiLuo Date: Sun, 3 Apr 2022 17:17:08 +0800 Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0=E6=96=87=E6=A1=A3=E7=BB=93?= =?UTF-8?q?=E6=9E=84?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- codes/funrec/data/readme.md | 2 +- docs/推荐算法基础/经典召回模型/基于协同过滤的召回/readme.md | 1 + docs/推荐算法基础/经典召回模型/基于向量的召回/readme.md | 1 + docs/推荐算法基础/经典召回模型/基于图的召回/readme.md | 1 + docs/推荐算法基础/经典召回模型/基于序列的召回/readme.md | 1 + docs/推荐算法基础/经典召回模型/基于树模型的召回/readme.md | 1 + docs/推荐算法基础/经典排序模型/Wide&Deep系列/readme.md | 1 + docs/推荐算法基础/经典排序模型/多任务学习/readme.md | 1 + docs/推荐算法基础/经典排序模型/序列模型/readme.md | 1 + docs/推荐算法基础/经典排序模型/特征交叉/readme.md | 1 + docs/推荐系统概述/readme.md | 1 + docs/第一章 推荐系统基础/1.2 深度推荐模型/1.2.7 DCN.md | 2 +- 12 files changed, 12 insertions(+), 2 deletions(-) create mode 100644 docs/推荐算法基础/经典召回模型/基于协同过滤的召回/readme.md create mode 100644 docs/推荐算法基础/经典召回模型/基于向量的召回/readme.md create mode 100644 docs/推荐算法基础/经典召回模型/基于图的召回/readme.md create mode 100644 docs/推荐算法基础/经典召回模型/基于序列的召回/readme.md create mode 100644 docs/推荐算法基础/经典召回模型/基于树模型的召回/readme.md create mode 100644 docs/推荐算法基础/经典排序模型/Wide&Deep系列/readme.md create mode 100644 docs/推荐算法基础/经典排序模型/多任务学习/readme.md create mode 100644 docs/推荐算法基础/经典排序模型/序列模型/readme.md create mode 100644 docs/推荐算法基础/经典排序模型/特征交叉/readme.md create mode 100644 docs/推荐系统概述/readme.md diff --git a/codes/funrec/data/readme.md b/codes/funrec/data/readme.md index 5dd36da9..61fb53a0 100644 --- a/codes/funrec/data/readme.md +++ b/codes/funrec/data/readme.md @@ -2,7 +2,7 @@ ## 数据集介绍 1. taobao电商数据，用于测试序列、图相关模型。下载链接：https://tianchi.aliyun.com/dataset/dataDetail?dataId=649&userId=1 -2. criteo数据，用于测特征交叉和wide&deep系列模型，下载链接：https://www.kaggle.com/c/criteo-display-ad-challenge/data +2. criteo数据，用于测特征交叉和wide&deep系列模型，链接：https://pan.baidu.com/s/15-xG7u2Rq1Mr9A-abrjtqw （提取码：htb7） 3. 人口普查收录数据，用于测试多任务学习模型，下载链接：https://archive.ics.uci.edu/ml/datasets/census+income 4. movielens(ml-1m)数据集，用于测试召回相关模型，下载链接：https://grouplens.org/datasets/movielens/ diff --git a/docs/推荐算法基础/经典召回模型/基于协同过滤的召回/readme.md b/docs/推荐算法基础/经典召回模型/基于协同过滤的召回/readme.md new file mode 100644 index 00000000..52da2380 --- /dev/null +++ b/docs/推荐算法基础/经典召回模型/基于协同过滤的召回/readme.md @@ -0,0 +1 @@ +# README \ No newline at end of file diff --git a/docs/推荐算法基础/经典召回模型/基于向量的召回/readme.md b/docs/推荐算法基础/经典召回模型/基于向量的召回/readme.md new file mode 100644 index 00000000..52da2380 --- /dev/null +++ b/docs/推荐算法基础/经典召回模型/基于向量的召回/readme.md @@ -0,0 +1 @@ +# README \ No newline at end of file diff --git a/docs/推荐算法基础/经典召回模型/基于图的召回/readme.md b/docs/推荐算法基础/经典召回模型/基于图的召回/readme.md new file mode 100644 index 00000000..52da2380 --- /dev/null +++ b/docs/推荐算法基础/经典召回模型/基于图的召回/readme.md @@ -0,0 +1 @@ +# README \ No newline at end of file diff --git a/docs/推荐算法基础/经典召回模型/基于序列的召回/readme.md b/docs/推荐算法基础/经典召回模型/基于序列的召回/readme.md new file mode 100644 index 00000000..52da2380 --- /dev/null +++ b/docs/推荐算法基础/经典召回模型/基于序列的召回/readme.md @@ -0,0 +1 @@ +# README \ No newline at end of file diff --git a/docs/推荐算法基础/经典召回模型/基于树模型的召回/readme.md b/docs/推荐算法基础/经典召回模型/基于树模型的召回/readme.md new file mode 100644 index 00000000..52da2380 --- /dev/null +++ b/docs/推荐算法基础/经典召回模型/基于树模型的召回/readme.md @@ -0,0 +1 @@ +# README \ No newline at end of file diff --git a/docs/推荐算法基础/经典排序模型/Wide&Deep系列/readme.md b/docs/推荐算法基础/经典排序模型/Wide&Deep系列/readme.md new file mode 100644 index 00000000..52da2380 --- /dev/null +++ b/docs/推荐算法基础/经典排序模型/Wide&Deep系列/readme.md @@ -0,0 +1 @@ +# README \ No newline at end of file diff --git a/docs/推荐算法基础/经典排序模型/多任务学习/readme.md b/docs/推荐算法基础/经典排序模型/多任务学习/readme.md new file mode 100644 index 00000000..52da2380 --- /dev/null +++ b/docs/推荐算法基础/经典排序模型/多任务学习/readme.md @@ -0,0 +1 @@ +# README \ No newline at end of file diff --git a/docs/推荐算法基础/经典排序模型/序列模型/readme.md b/docs/推荐算法基础/经典排序模型/序列模型/readme.md new file mode 100644 index 00000000..52da2380 --- /dev/null +++ b/docs/推荐算法基础/经典排序模型/序列模型/readme.md @@ -0,0 +1 @@ +# README \ No newline at end of file diff --git a/docs/推荐算法基础/经典排序模型/特征交叉/readme.md b/docs/推荐算法基础/经典排序模型/特征交叉/readme.md new file mode 100644 index 00000000..52da2380 --- /dev/null +++ b/docs/推荐算法基础/经典排序模型/特征交叉/readme.md @@ -0,0 +1 @@ +# README \ No newline at end of file diff --git a/docs/推荐系统概述/readme.md b/docs/推荐系统概述/readme.md new file mode 100644 index 00000000..52da2380 --- /dev/null +++ b/docs/推荐系统概述/readme.md @@ -0,0 +1 @@ +# README \ No newline at end of file diff --git a/docs/第一章 推荐系统基础/1.2 深度推荐模型/1.2.7 DCN.md b/docs/第一章 推荐系统基础/1.2 深度推荐模型/1.2.7 DCN.md index 0648ecf8..023824d7 100644 --- a/docs/第一章 推荐系统基础/1.2 深度推荐模型/1.2.7 DCN.md +++ b/docs/第一章 推荐系统基础/1.2 深度推荐模型/1.2.7 DCN.md @@ -94,7 +94,7 @@ Cross&Deep模型的原理就是这些了，其核心部分就是Cross Network， ## 3. 代码实现 -下面我们看下DCN的代码复现，这里主要是给大家说一下这个模型的设计逻辑，参考了deepctr的函数API的编程风格， 具体的代码以及示例大家可以去参考后面的GitHub，里面已经给出了详细的注释， 这里主要分析模型的逻辑这块。关于函数API的编程式风格，我们还给出了一份文档， 大家可以先看这个，再看后面的代码部分，会更加舒服些。下面开始： +下面我们看下DCN的代码复现，这里主要是给大家说一下这个模型的设计逻辑，参考了deepctr的函数API的编程风格， 具体的代码以及示例大家可以去参考后面的GitHub，里面已经给出了详细的注释， 这里主要分析模型的逻辑这块。关于函数API的编程式风格，我们还给出了一份文档， 大家可以先看这个，再看后面的代码部分，会更加舒服些。 从上面的结构图我们也可以看出， DCN的模型搭建，其实主要分为几大模块， 首先就是建立输入层，用到的函数式`build_input_layers`，有了输入层之后， 我们接下来是embedding层的搭建，用到的函数是`build_embedding_layers`， 这个层的作用是接收离散特征，变成低维稠密。 接下来就是把连续特征和embedding之后的离散特征进行拼接，分别进入wide端和deep端。 wide端就是交叉网络，而deep端是DNN网络， 这里分别是`CrossNet()`和`get_dnn_output()`, 接下来就是把这两块的输出拼接得到最后的输出了。所以整体代码如下：