zhongqiangwu960812 / ai-recommendersystem Goto Github PK

看了大佬用pytoych实现AFM，很佩服。本人最近在使用AFM，能给出一个借助deepctr_torch构建AFM的案例麽？万分感谢。

函数定义： def get_train_instances(train, num_negatives):
里面第二个for循环是不是应该整体往左缩进

大佬，有实现双塔召回的么

如W&D，Tensorflow版本中会建立sparse cols的1 dim embedding，并与dense cols 一起输入linear中，在pytorch版本中只有dense cols输入到linear中。

但是文章里面不是把特别稀疏的sparse cols输入到linear里面吗，为什么pytorch在linear里面就输入dense cols ?

dense_input, sparse_inputs = x[:, :len(elf.dense_feature_cols)], x[:, len(self.dense_feature_cols):]
sparse_inputs = sparse_inputs.long()
sparse_embeds = [self.embed_layers['embed_' + str(i)](sparse_inputs[:, i])
                for i in range(sparse_inputs.shape[1])]
sparse_embeds = torch.cat(sparse_embeds, axis=-1)

dnn_input = torch.cat([sparse_embeds, dense_input], axis = -1)

wide_out = self.linear(dense_input)

deep_out = self.dnn_network(dnn_input)
deep_out = self.final_linear(deep_out)

outputs = F.Sigmoid(0.5*(wide_out + deep_out))

为什么PNN不用类似Deep Crossing中的resnet结构 而是普通的全连接层呢？

你好，请问可以在论文中引用这个新闻推荐数据集吗，需要引用什么吗？

UserCF中，若是val_data中的用户u若是不存在trn_data中，sim中就不存在用户u了，那如何给用户u做推荐？
相当于是一个新用户？做额外处理吗？

    predictions = model(features)
    print('shape: ', features.shape, predictions.shape, labels.shape)

shape: torch.Size([32, 39]) torch.Size([32, 1]) torch.Size([32])

labels的维度和预测结果维度不一致

我自己是做航空发动机寿命预测的，两个任务：寿命预测（回归），状态评估（分类）；
我的训练集特征就是60秒内的健康指标的变化趋势，我不太明白如何将这个60*1的np.array转化为你的grad norm文件里面所写的张量。
即这句话我不太理解应该如何更改：train_model_input = {name: tf.keras.backend.constant(train_data[name]) for name in feature_names}
是否可以提供一下邮箱地址，想跟进一步询问一下大大