source /etc/profile
- mv-dssm结果：
第一版：acc:0.704343652508 auc:0.697475251304 precision:0.938117905529
第二版：acc:0.703863690905 auc:0.704260592951 precision:0.940981187754 - 修改attention方式，但是由于申请不到资源，当前网络还没有调试完成
- 尝试dnn层数，观察模型效果
- 尝试将relu修改为sigmoid，观察模型效果
- 尝试增加cate信息，同时query侧也增加cate特征
- 对dense特征也进行embedding：每个dense Field 对应一个嵌入向量，乘以具体的dense特征值 作为其最终的emeddding。
- 看一下三个不同loss分别的变化趋势
- 论文：AutoInt: Automatic Feature Interaction Learning via Self-Attentive Neural Networks 思路和我们现在做的东西基本一致，特征交叉用的是multi-head attention
答红霞问：
投放视频的意义和落地方向
（1）增加用户停留时间，增加用户粘性
（2）教程类视频可以增加用户兴趣
（3）展示类视频可以作为用户的购物向导
（4）落地方向最好的方向在推荐，其次是搜索。和nlp团队的合作
（1）nlp相关的我们一直是直接调用公司内的组件，我们就专心做视频相关的内容
（2）至于推荐，因为两边的业务都有推荐相关的，所以推荐相关的业务和算法我们也需要懂。而这一部分和nlp的算法有一定的交集，但是并不多。
（3）我们的业务场景的特点：数据集比较复杂，难度大（多模态信息的利用）。这个与之前的业务有比较大的差别，所以很多东西还是需要我们自己去摸索。对团队有什么建议
（1）资源问题，总是申请不到资源，影响业务进度
