tensorflow模型实现方式
- function api
- 继承tf.keras.model
继承model方式限制太多,使用function api进行封装
可能依赖的第三方库 deepctr
一些基础layer可以自己定义,可以用deepctr中的layer,包括
-
linear
-
dnn
-
fm
-
模型训练 训练demo使用tensorflow_transform实现
graph LR
A[user_feature] -->B[user_model]
C[item_feature] -->D[item_model]
E[interaction_model] -->G[item_vec]
B[user_model] -->F[retrieval_task]
D[item_model] -->F[retrieval_task]
B[user_model] -->G[rank_task]
D[item_model] -->G[rank_task]
F[retrieval_task] -->H[training_loss]
G[rank_task] -->H[training_loss]
dcn-v 原始dcn,交叉使用向量权重
dcn-m 原始dcn,交叉使用矩阵权重
dcn-mix 将交叉矩阵拆解成两个低秩矩阵
ps. 可以通过可视化矩阵权重,识别哪个特征交叉项是重要特征