亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

對特征交互進行建模是推薦系統中的一個重要問題。在現有的深度推薦模型中，特征交互是由專家設計或者簡單枚舉得到。但是，簡單枚舉所有的特征交互會占用大量的內存和計算時間。更糟糕的是，無效的特征交互會引入不必要的噪聲，干擾推薦模型的訓練。在本工作中，我們提出了一個兩階段的模型AutoFIS。

AutoFIS可以為因子分解類模型自動定義出所有重要的特征交互，而并不過多地增加訓練時間。在搜索階段，為了實現在特征交互的離散集合上進行搜索，我們引入連續型結構變量來輔助搜索。通過在這些結構變量上加入約束型優化器，我們的模型在訓練過程中可以自動定位并刪除無效的特征交互。在重訓練階段，我們將這些結構變量當做注意力機制的權重參數來重新訓練，以進一步提升模型的精度。我們在公開數據集和產品數據集上驗證，AutoFIS可以提升因子分解類模型的精度(AUC和Logloss)。該方法簡單有效，得到KDD評委的高度認可，得到3/2/2的分數，其中meta review的評價是:”Overall the paper presents a novel idea, it is well written and the evaluation is very thorough”。

該工作已經公開//arxiv.org/abs/2003.11235。