您现在的位置是:Instagram刷粉絲, Ins買粉絲自助下單平台, Ins買贊網站可微信支付寶付款 >
03 youtube官網下載入口免費論文查查免費(Youtube DNN經典論文)
Instagram刷粉絲, Ins買粉絲自助下單平台, Ins買贊網站可微信支付寶付款2024-05-28 11:24:58【】6人已围观
简介集,對子集計算logits,然后用計算結果F(x,y)-log(Q(y|x))可以表示原數據集上的logits3.serving階段為什么不做多分類了,而是做nearestneighbor這里首先要弄
3.serving階段為什么不做多分類了,而是做nearest neighbor
這里首先要弄明白serving階段的user embedding和買粉絲 embedding是什么,user_embedding是最后一層relu之后的結果,比如是一個d維的向量;然后要得到一個幾百萬維(用d_N表示)的向量,需要過一個d*d_N維的矩陣,這個矩陣的每一列訓練完之后就是買粉絲 embedding;如果是serving的階段依然是和每一列相乘,再算一個softmax,既然分母是一樣的,取指數的操作也是一樣的,那么就直接做點積就好了。
排序:
先從特征說起:當前排序的買粉絲的embedding,用戶觀看過的買粉絲的embedding,用戶和買粉絲的語言embedding,time since last watch是自上次觀看同channel視頻的時間,previous impressions是該視頻已經被曝光給該用戶的次數(這里已經引入了負反饋的思路)
然后是模型:三層DNN
最后是training的loss:weighted logistic
serving的方式:e^(Wx+b)
這里面也有一些疑點:
1.training時候的weighted logistic是什么,為什么serving的時候用的是e^(Wx+b)
這個點是我重讀的時候最沒理解的地方,先嘗試寫一下,這里首先要搞清楚weighted logitstic是什么,那先回顧一下LR的公式的由來是log(odds) = w*x;這里的odds=p/(1-p)表示正樣本發生的概率/負樣本發生的概率;在weighted LR里面這個odds要變成W*p/(1-p)這里的W就是給正樣本加的權重,至于為什么是這樣有一種解釋是用正負樣本比去解釋的,我覺得不是很合理 買粉絲s://zhuanlan.hu.買粉絲/p/435912211;但是如果能夠接受這個odds的話,那么log(odds) = w*x就可以得到odds = e^(wx),后者就是serving的目標;
再說W*p/(1-p)是什么,這里W權重是這條視頻的時長T,那么sum(Ti*pi)就是E(T)即時長的期望,E(T)/(1-p)泰勒展開就是E(T)*(1+p)這里的p很小的話其實就是E(T)也就是說serving的時候其實得到的就是觀看時長的期望,這里如果用到電商里用price去加權,得到的應該也是對price的預估。
很赞哦!(84496)
相关文章
- 01 北京大學腫瘤醫院買粉絲預約(北京大學腫瘤醫院掛號費多少錢)
- 01 百度關注過的買粉絲怎么找(我在哪里能看到我在百度上關注的買粉絲)
- 01 北京對外經濟貿易大學2023考研復試線(對外經濟貿易大學2023年錄取分數線)
- 01 北京對外經濟貿易大學錄取分數線文科(北京對外經濟貿易大學錄取分數線)
- 01 北京天達華業貿易有限公司(北京天達華業貿易有限公司是暇步士總代理嗎)
- 01 百度網盤網頁版我的訂閱在哪里(百度網盤網頁版共享在哪里)
- 01 百度網盤怎么查找訂閱的文件(百度網盤怎么找電視劇)
- 01 百度網盤訂閱別人知道嗎(百度網盤之前的訂閱別人能看到他的分享動態,該功能什么時候恢復?)
- 01 北京對外經濟貿易大學教授名單(對外經濟貿易大學錄取名單)
- 01 北京對外經濟貿易大學位置(北京對外經貿大學在什么位置?)