一、可解释性的难度 深度学习模型 > 传统的机器学习模型 部分传统机器学习模型天然的可解释性强：KNN、LR、线性回归、决策树、朴素贝叶斯 本质：看模型关注什么或者什么特征对...
发简信
IP属地：北京
-
对可解释机器学习的简单了解
-
Controllable Multi-Interest Framework for Recommendation笔记一、这篇论文解决什么问题 召回问题：多兴趣召回 和之前的相关模型不一样的地方：主要是平衡推荐的准确性和多样性 二、作者提出的模型架构 三、这篇论文的几个核心点 1. 相同的框...
-
Multi-Interest Network with Dynamic Routing for Recommendation at Tmall笔记一、这篇论文解决什么问题 召回问题，主要是文中提的多兴趣召回（在网上搜索了一圈，没找到专门定义多兴趣召回这个问题的文章）：在推荐系统中，用户的兴趣是多方面的，确实更贴合实际 ...
-
Session-based Recommendation with Graph Neural Networks笔记一、这篇论文解决什么问题 session-based recommendation：用户未登录状态下, 仅仅依赖匿名会话进行用户下一个行为预测的一种算法（session-ba...
-
SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS笔记一、这篇论文解决什么问题 session-based recommendation：用户未登录状态下, 仅仅依赖匿名会话进行用户下一个行为预测的一种算法（session-ba...
-
Neural Collaborative Filtering笔记
一、这篇文论解决什么问题 推荐领域的经典模型：MF 之前的研究中应用的深度学习：对辅助信息进行建模（例如商品描述等） 本文的不同：对CF本身进行建模 二、这篇论文的三个核心点...
-
-
-
