【无标题】

GRU4Rec

文章目录

  • GRU4Rec
  • 前言
  • 一、GRU
  • 二、本文模型
    • 2.1 SESSION-PARALLEL MINI-BATCHES
    • 2.2 SAMPLING ON THE OUTPUT
    • 2.3 RANKING LOSS


前言

提示:这里可以添加本文要记录的大概内容:

例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。


提示:以下是本篇文章正文内容,下面案例可供参考

一、GRU

【无标题】_第1张图片
【无标题】_第2张图片
RNN与GRU原理图,不了解的同学请自行了解

二、本文模型

【无标题】_第3张图片

2.1 SESSION-PARALLEL MINI-BATCHES

作者的做法,其实就是把无意义的padding(padding本身不包含语义信息)优化为有意义的padding(用其他session的事件来padding)

2.2 SAMPLING ON THE OUTPUT

理想情况下,可以计算所有item的分数。但是在实践中,需要对负样本采样,作者的做法也很简单,同一个mini-batch的其他样本就是负样本。
【无标题】_第4张图片

2.3 RANKING LOSS

pointwise and pairwise的ranking loss作者都试过了,发现pairwise ranking loss表现更好,作者用了BPR和TOP1

BPR(Bayesian Personalized Ranking):

在这里插入图片描述
TOP1:
【无标题】_第5张图片

你可能感兴趣的:(深度学习,人工智能)