pytorch fm
1.0.0
توفر هذه الحزمة تنفيذ PYTORCH لنماذج آلة تحجيم العوامل ومجموعات البيانات الشائعة في التنبؤ بنروي الأنباء.
| نموذج | مرجع |
|---|---|
| الانحدار اللوجستي | |
| آلة العوامل | S Rendle ، آلات العوامل ، 2010. |
| آلة العوامل على دراية بالميدان | Y Juan ، وآخرون. آلات العوامل المعروفة في مجال التنبؤ بنك نسبة النقر إلى الظهور ، 2015. |
| آلات العوامل ذات الترتيب الأعلى | M Blondel ، وآخرون. آلات العوامل ذات الترتيب الأعلى ، 2016. |
| الشبكة العصبية المدعومة من العوامل | دبليو تشانغ ، وآخرون. التعلم العميق على البيانات الفئوية متعددة المجالات - دراسة حالة حول التنبؤ بالاستجابة للمستخدم ، 2016. |
| واسع وعميق | HT Cheng ، وآخرون. التعلم الواسع والعميق لأنظمة التوصية ، 2016. |
| آلة العوامل الانتباه | J Xiao ، وآخرون. آلات العوامل الانتباه: تعلم وزن تفاعلات الميزات عبر شبكات الانتباه ، 2017. |
| آلة العوامل العصبية | X He و TS Chua ، آلات العوامل العصبية للتحليلات التنبؤية المتناثرة ، 2017. |
| التصفية التعاونية العصبية | x هو ، وآخرون. التصفية التعاونية العصبية ، 2017. |
| آلة العوامل العصبية الوعرة الميدانية | L Zhang ، وآخرون. آلة العوامل العصبية المدركة للتنبؤ في معدل النقر إلى الظهور ، 2019. |
| الشبكة العصبية المنتج | y qu ، وآخرون. الشبكات العصبية القائمة على المنتجات للتنبؤ بالاستجابة للمستخدم ، 2016. |
| شبكة الصليب العميق | R Wang ، وآخرون. شبكة Deep & Cross لتنبؤات النقر ، 2017. |
| DEPFM | H Guo ، وآخرون. DEPFFM: شبكة عصبية قائمة على عوامل Machine للتنبؤ بنرويس النور ، 2017. |
| xDeepFM | J Lian ، وآخرون. XDEEPFM: الجمع بين تفاعلات الميزات الصريحة والضمنية لأنظمة التوصية ، 2018. |
| Autoint (نموذج تفاعل الميزة التلقائي) | W Song ، وآخرون. Autoint: التعلم التفاعل التلقائي للميزات عبر الشبكات العصبية ذاتية الحكم ، 2018. |
| AFN (نموذج AdaptiveFactorizationNetwork) | Cheng W ، وآخرون. شبكة العوامل التكيفية: تعلم تفاعلات ميزة الترتيب التكيفي ، AAAI'20. |
تبلغ قيم AUC من كل نموذج حوالي 0.80 لمجموعة بيانات Criteo ، وحوالي 0.78 لمجموعة بيانات Avazu. (يرجى الاطلاع على رمز المثال)
pip install torchfm
https://rixwew.github.io/pytorch-fm
معهد ماساتشوستس للتكنولوجيا
