pytorch fm

Pytorch의 인수화 기계 모델

이 패키지는 CTR 예측에서 인수 화기 모델과 일반적인 데이터 세트의 Pytorch 구현을 제공합니다.

사용 가능한 데이터 세트

• Movielens 데이터 세트
• 크리 테오 디스플레이 광고 도전
• Avazu 클릭률 예측

사용 가능한 모델

모델	참조
로지스틱 회귀
인수 화 기계	S 렌즈, 인수 화 기계, 2010.
현장 인식 인수 화 기계	Y Juan, et al. CTR 예측을위한 현장 인식 인수 화기, 2015.
고차 인수화 기계	M Blondel, et al. 고차 인수화 기계, 2016.
요인화 지원 신경망	W Zhang 등 멀티 필드 범주 형 데이터에 대한 딥 러닝 - 사용자 응답 예측에 대한 사례 연구, 2016.
넓고 깊이	HT Cheng 등 추천 시스템을위한 넓고 딥 러닝, 2016.
주의 요소화 기계	J Xiao 등 주의 요인화 기계 :주의 네트워크를 통한 기능 상호 작용의 무게를 배우기, 2017.
신경 요인화 기계	X 그와 TS Chua, 희소 예측 분석을위한 신경 요인화 기계, 2017.
신경 공동 필터링	x He, et al. 신경 공동 작업 필터링, 2017.
현장 인식 신경 요인화 기계	L Zhang, et al. 클릭률 예측을위한 현장 인식 신경 요인화 기계, 2019.
제품 신경망	Y Qu, et al. 사용자 응답 예측을위한 제품 기반 신경망, 2016.
딥 크로스 네트워크	R Wang, et al. 광고 클릭 예측을위한 Deep & Cross Network, 2017.
DeepFM	H Guo, et al. DEEPFM : CTR 예측을위한 인수 분해기 기반 신경망, 2017.
XDEEPFM	J Lian, et al. XDEEPFM : 추천 시스템의 명시적이고 암시적인 기능 상호 작용 결합, 2018.
Autoint (자동 기능 상호 작용 모델)	W Song, et al. Autoint : 자가성 신경망을 통한 자동 기능 상호 작용 학습, 2018.
AFN (AdaptiveFactorizationNetwork 모델)	Cheng W, et al. 적응 형 요인화 네트워크 : Adaptive-Lorder 기능 상호 작용 학습, AAAI'20.

각 모델의 AUC 값은 Criteo 데이터 세트의 경우 약 0.80, Avazu 데이터 세트의 경우 약 0.78입니다. (예제 코드 참조)

설치

 pip install torchfm

API 문서

https://rixwew.github.io/pytorch-fm

특허

MIT