计算广告中常用深度学习网络

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了计算广告中常用深度学习网络，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含749字，纯文字阅读大概需要2分钟。

内容图文

1、Wide & Deep 模型

https://arxiv.org/abs/1606.07792 

https://blog.csdn.net/google19890102/article/details/78171283

在Wide & Deep模型中包括两个部分，分别为Wide部分和Deep部分，Wide部分如上图中的左图所示，Deep部分如上图中的右图所示。

wide模型：实际上，Wide模型就是一个广义线性模型, $y = w^T x+b$

deep模型：Deep模型是一个前馈神经网络

联合训练：同时训练Wide模型和Deep模型，并将两个模型的结果的加权和作为最终的预测结果：$P(Y = 1 | x) = \sigma(W^T_{wide}[x, \phi(x)] + W^T_{deep}a^{l_f} + b)$

优化方法：

wide模型：FTRL

deep模型：AdaGrad 

keras：http://www.atyun.com/18823.html

 

2、DeepFM模型

https://ask.hellobi.com/blog/wenwen/11840

https://www.cnblogs.com/ljygoodgoodstudydaydayup/p/7340413.html

FM部分：

$y_{FM} = <w, x> + \sum^d_{j_1 = 1}\sum^d_{j_2 = j_1 + 1}<V_i, V_j>x_{j_1} . x_{j_2}$

 

 

 

 

 

 

 

 

 

 

 

 

  

原文：https://www.cnblogs.com/ljygoodgoodstudydaydayup/p/10711225.html

内容总结

以上是互联网集市为您收集整理的计算广告中常用深度学习网络全部内容，希望文章能够帮你解决计算广告中常用深度学习网络所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---