หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>หลาม
ดาวน์โหลด

แบบจำลองเครื่องแยกส่วนใน pytorch

แพ็คเกจนี้ให้การใช้งาน Pytorch ของแบบจำลองเครื่องแยกส่วนและชุดข้อมูลทั่วไปในการทำนาย CTR

ชุดข้อมูลที่มีอยู่

  • ชุดข้อมูล Movielens
  • Criteo Display Advertising Challenge
  • การทำนายอัตราการคลิกผ่าน Avazu

รุ่นที่มีอยู่

แบบอย่าง อ้างอิง
การถดถอยโลจิสติก
เครื่องแยกส่วน S Rendle, เครื่องผสมแบบแยกส่วน, 2010
เครื่องผสมแบบฟิลด์ที่รับรู้ Y Juan, et al. เครื่องผสมแบบแยกส่วนที่รับรู้สำหรับการทำนาย CTR, 2015
เครื่องแยกส่วนที่สูงขึ้น M Blondel, et al. เครื่องแยกส่วนที่สูงขึ้นในปี 2559
เครือข่ายประสาทที่รองรับการแยกตัวจากตัวประกอบ W Zhang และคณะ การเรียนรู้อย่างลึกซึ้งเกี่ยวกับข้อมูลหมวดหมู่หลายฟิลด์ - กรณีศึกษาเกี่ยวกับการทำนายการตอบสนองของผู้ใช้ปี 2559
กว้างและลึก HT Cheng และคณะ การเรียนรู้ที่กว้างและลึกสำหรับระบบแนะนำปี 2559
เครื่องผสมแบบตั้งใจ J Xiao และคณะ เครื่องผสมแบบตั้งใจ: การเรียนรู้น้ำหนักของการโต้ตอบคุณสมบัติผ่านเครือข่ายความสนใจ, 2017
เครื่องผสมประสาท X HE และ TS Chua, เครื่องผสมประสาทสำหรับการวิเคราะห์การทำนายแบบเบาบาง, 2017
การกรองความร่วมมือทางประสาท x เขาและคณะ การกรองความร่วมมือทางประสาท, 2017
เครื่องแยกชิ้นส่วนประสาทที่รับรู้ภาคสนาม L Zhang และคณะ เครื่องแยกตัวประกอบระบบประสาทที่รับรู้ถึงการทำนายอัตราการคลิกผ่านปี 2562
เครือข่ายประสาทผลิตภัณฑ์ y qu, et al. เครือข่ายประสาทตามผลิตภัณฑ์สำหรับการทำนายการตอบสนองของผู้ใช้ปี 2559
เครือข่ายครอสครอส R Wang และคณะ Deep & Cross Network สำหรับการคาดการณ์คลิกโฆษณา 2017
DeepFM H Guo และคณะ DeepFM: เครือข่ายประสาทที่ใช้เครื่องผสมแบบปัจจัยสำหรับการทำนาย CTR, 2017
xdeepfm J Lian, et al. XDEEPFM: การรวมการโต้ตอบคุณลักษณะที่ชัดเจนและโดยนัยสำหรับระบบแนะนำ, 2018
Autoint (โมเดลการโต้ตอบคุณสมบัติอัตโนมัติ) W Song, et al. Autoint: การเรียนรู้การโต้ตอบกับคุณลักษณะอัตโนมัติผ่านเครือข่ายประสาทเทียมด้วยตนเอง, 2018
AFN (โมเดล AdaptiveFactorizationNetwork) Cheng W, et al. เครือข่ายการปรับตัวประกอบแบบปรับตัว: การเรียนรู้การโต้ตอบคุณสมบัติการปรับตัวแบบปรับตัว, AAAI'20

ค่า AUC ของแต่ละรุ่นอยู่ที่ประมาณ 0.80 สำหรับชุดข้อมูล CRITEO และประมาณ 0.78 สำหรับชุดข้อมูล Avazu (โปรดดูรหัสตัวอย่าง)

การติดตั้ง 

 pip install torchfm

เอกสาร API

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

ใบอนุญาต

มิกซ์

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด