FFM及DeepFFM模型在推荐系统的探索及实践

所属专题:搜索推荐与算法

嘉宾 : 张俊林 | 新浪微博AI Lab资深算法专家

讲师介绍

专题演讲嘉宾:张俊林

新浪微博 AI Lab资深算法专家

张俊林,中国中文信息学会理事,目前在新浪微博AI Lab担任资深算法专家。在此之前,张俊林曾经在阿里巴巴任资深技术专家,以及在百度和用友担任技术经理及技术总监等职务。他的研发兴趣集中在:深度学习、搜索技术、推荐系统、自然语言处理等方面,并在以上领域有多年学术界研究经历及工业界实践经验。同时他是技术书籍《这就是搜索引擎:核心技术详解》(该书荣获全国第十二届输出版优秀图书奖)、《大数据日知录:架构与算法》的作者。

他本科毕业于天津大学管理学院,之后在中科院软件所直接攻读博士学位,研究方向是信息检索理论与自然语言处理,就学期间曾在ACL、COLING、IJCNLP等国际顶级会议发表多篇学术论文。另外,他在此期间领导设计的搜索系统曾在美国国防部DARPA主持的TREC高精度检索系统评测中取得综合排名第一名的优异成绩。

议题介绍

演讲:FFM及DeepFFM模型在推荐系统的探索及实践

FM模型目前广泛使用在互联网公司的大规模推荐系统中并取得了很好的应用效果,FFM模型作为FM模型的改进版,一般情况下效果是优于FM模型的,但是因为参数量过多导致这个模型大规模实用化存在严重问题。

本演讲主要分享微博在FFM模型及DeepFFM模型应用在推荐系统所做的一系列优化探索工作。首先会对FM/FFM模型各自的特点及应用场景进行介绍,同时会介绍FFM的几种不同的深度学习版本DeepFFM模型。除此外会分享我们针对FFM及DeepFFM模型的一些改进工作。针对FFM模型参数量过大的问题,我们通过结合FM及FFM模型各自的优点进行了针对性的优化,新模型既有接近于FFM的效果又能大量减少参数;另外我们对DeepFFM也针对性的进行了改进并取得了较好的效果。

 

演讲提纲:

  1.  推荐任务及大规模推荐系统简介;
  2.  从FM模型到FFM模型;
  3.  如何减少FFM模型的参数量;
  4.  DeepFFM模型应用在推荐系统;
  5.  对DeepFFM模型的优化改进及应用;

 

听众收益:

  1.  可以透彻了解工业界常用的推荐模型及其适用场景;
  2.  可以了解并熟悉DeepFFM这种比较前沿的深度学习推荐模型;
  3.  可以了解一些前沿模型的缺点及若干有针对性的改进推荐模型;
本网站图片存储由七牛云独家支持