模型与方法(最低下图画挺好, 看就明白了):
- 第一层----输入: user和item的one-hot, 行为的种类
(第四层按行为**, 由这个输入控制)
- 第二层----mebedding初始化: 将输入映射到低维的向量空间, 得到(u,i)
- 第三层----v: joint(u, i)通过:
(d*1)
- 第四层----记忆矩阵群, 键寻址, 注意力 (用户行为数量个, d*N , (N是user数??))
- 记忆矩阵:
- 注意力:
(n个做softmax)
- 第五层: 记忆矩阵(各个行为共享)
- 第六层: 多关系向量产生层(有个)
优化:
- 整体的损失函数:
- 各个行为相加
- 前面是正样本, 后面是抚养本
- s:
- 由正负号控制正的更近, 负的更远:
-
: 边界, 使得正负样本对, 更加远离?
相关文章：
-
2021-04-30
-
2021-10-03
-
2021-12-11
-
2021-09-13
-
2021-10-05
-
2021-10-14
-
2021-11-20
-
2021-12-09
猜你喜欢
-
2021-11-13
-
2021-12-12
-
2021-07-15
-
2021-04-10
-
2021-08-27
-
2022-01-17
-
2022-02-13
相关资源
-
下载
2021-07-14
-
下载
2022-12-24
-
下载
2023-03-09