跟着隐蔽层宽度的增长，线下练习的效不雅也会跟着慢慢的晋升。但推敲到线上及时猜测的机能问题，我们今朝采取256->128->64的框架构造。

下图是包含了组合特点的宽深度模型与Base模型的线上实验效不雅比较图：

5. 总结

排序是一个异常经典的机械进修问题，实现模型的记忆和泛化功能是推荐体系中的一个挑衅。记忆可以被定义为在推荐中将汗青数据重现，而泛化是基于数据相干性的传递性，摸索以前大年夜未或很少产生的Item。宽深度模型中的宽线性部分可以应用交叉特点却竽暌剐效地记忆稀少特点之间的互相感化，而深层神经收集可以经由过程发掘特点之间的互相感化，晋升模型之间的泛化才能。在线实验结不雅注解，宽深度模型对CTR有比脚绫趋显的进步。同时，我们也在测验测验将模型进行一系列的演变：

将RNN融入到现有框架。现有的Deep & Wide模型只是将DNN与线性模型做融合，并没有对时光序列上的变更进行建模。样本出现的时光次序对于推荐排序同样重要，比如当一个用户按照时光分别浏览了一些异地酒店、景点时，用户再次再请求该异地城市，就应当推出该景点四周的美食。
惹人强化进修，让模许可以根据用户所处的场景，动态地推荐内容。

End.

【编辑推荐】

1. 机械进修算法在主动驾驶范畴的应用大年夜盘点
2. 若何改进手上的机械进修模型
3. 猎聘网单艺：机械进修在人才雇用范畴的应用
4. 京东郑志彤：无人机快递时代，机械进修在电商范畴的应用
5. 数据科学和机械进修的对象和说话最新动态

【义务编辑：谢海平 TEL：（010）68476606】

　　推荐阅读

　　特斯拉Model 3驾驶初体验：它会改变一切

自成立之日起，特斯拉电动汽车公司就承诺要推出一款大年夜众型电动汽车。美国本地时光7月28日，这款汽车终于面世。在位于加州的工厂中，特斯拉向首批30位买家交付了Model 3。美国主流收集>>>详细阅读

本文标题：深度学习在美团点评推荐平台排序中的运用

地址：http://www.17bianji.com/lsqh/36483.html

 1/2    1