之前以为直接使用 就可以完成学习，后面发现和paper的意思不匹配，这一层是需要单独获取的。 先附上可以参考的链接: 1. "LSTM里Embedding Layer的作用是什么" 2. "http://www.cnblogs.com/iloveai/p/word2vec.html" 3. "原文" ...
分类：
其他好文 时间：
2018-04-01 16:03:26
阅读次数：
433
本笔记由博客园-圆柱模板 博主整理笔记发布，转载需注明，谢谢合作! keras的层主要包括： 常用层（Core）、卷积层（Convolutional）、池化层（Pooling）、局部连接层、递归层（Recurrent）、嵌入层（ Embedding）、高级激活层、规范层、噪声层、包装层，当然也可以编 ...
分类：
其他好文 时间：
2018-03-28 01:37:23
阅读次数：
2074
嵌入层 Embedding Embedding层 keras.layers.embeddings.Embedding(input_dim, output_dim, embeddings_initializer='uniform', embeddings_regularizer=None, acti... ...
分类：
其他好文 时间：
2018-03-10 21:58:07
阅读次数：
997
nn.RNN；nn.RNNCell；nn.Embedding ...
分类：
其他好文 时间：
2018-02-28 19:50:46
阅读次数：
198
参考：Familia的Github项目地址、百度NLP专栏介绍 Familia 开源项目包含文档主题推断工具、语义匹配计算工具以及基于工业级语料训练的三种主题模型：Latent Dirichlet Allocation(LDA)、SentenceLDA 和Topical Word Embedding ...
分类：
其他好文 时间：
2018-02-27 14:59:04
阅读次数：
1069
转载自： http://blog.csdn.net/u013527419/article/details/74853633 http://blog.csdn.net/u013527419/article/details/76017528 网络表示学习（network representation l ...
分类：
Web程序 时间：
2018-02-22 22:06:30
阅读次数：
546
ActiveX是COM规范的一种实现，前身是OLE（Object Linking and Embedding），一般读成ActiveX Control，译为ActiveX控件。既可用于桌面也可用于网络，是封装、跨（开发）平台与重用技术的延伸。 随着软件技术的发展，程序的开放性、可重用性与封装变得越来... ...
分类：
其他好文 时间：
2018-01-23 23:24:35
阅读次数：
258
前置点评： 这篇文章比较朴素，创新性不高，基本是参照了google的word2vec方法，应用到推荐场景的i2i相似度计算中，但实际效果看还有有提升的。主要做法是把item视为word，用户的行为序列视为一个集合，item间的共现为正样本，并按照item的频率分布进行负样本采样，缺点是相似度的计算还 ...
分类：
其他好文 时间：
2018-01-12 01:34:00
阅读次数：
251
重点：认为不同的广告会触发用户的兴趣点不同导致user embedding随之改变。 DIN网络结构如下图右边 DIN的出发点：认为不同的广告会触发用户的兴趣点不同导致user embedding随之改变。 认为用户embedding向量 是 推荐出来的ad向量的函数，并且ad向量可以通过与历史行为 ...
分类：
Web程序 时间：
2017-12-23 19:13:45
阅读次数：
426
将word2vec思想拓展到序列item的2vec方法并运用到推荐系统中，实质上可以认为是一种cf 在word2vec中，doc中的word是具有序列关系的，优化目标类似在max对数似然函数 应用在item2vec上，可以有两种看待方式： （1）如果item是强时序关系的，那么对某一次序列中的ite ...
分类：
其他好文 时间：
2017-12-23 19:11:03
阅读次数：
168
