本文聚焦于原始的RNN及经典的LSTM网络，从零开始无框架实现RNN和LSTM的前向传播与后向传播，并用于"下个字母"预测问题，希望本文能够加深大家对循环神经网络的理解。
数据分析
从零开始实现循环神经网络（无框架）
数据分析
C++基础知识点整理（二）
其他
C++基础知识点整理（一）
一直想尝试自己动手构建一个简单的深度学习训练框架，包括数据读取与处理、PS、NN前后向传播、模型save和load、不同训练方式（offline/online .etc）、指标监控...
其他
推荐系统之ContextDNN模型
虽然工业上实现完全的Listwise推荐模型不现实，但是退而求其次，借鉴Listwise思想，考虑刷次内上下文之间的相互影响，通过引入刷次内的上文信息，进行K次Top1推荐，就可以...
推荐系统之Co-action Network理解与实践
在推荐系统中，Co-action指多个特征相互关联，共同影响最终输出，同时共同影响最初的输入。基于端到端Embedding+NN这种典型的推荐深度模型训练结构，以用户最近阅读关键词...
其他
推荐系统之未登录特征值处理
就像一个中国人，我们每个人都会对应一个身份证号，在有关个人的档案信息库里面，输入身份证号，个人的基本信息比如年龄、性别、身高等信息就可以查询得到，我们可以将FeatureID类比身...
其他
如何构建一个信息流推荐排序系统
推荐排序在一个推荐系统当中的重要性毋庸赘言，本文主要结合本人实际工作，跟大家探讨一下构建一个信息流推荐排序系统值得思考的一些问题。
其他
推荐精排模型之多目标模型
做推荐算法肯定绕不开多目标，点击率模型、时长模型和完播率模型是大部分信息流产品推荐算法团队都会尝试去做的模型。单独优化点击率模型容易推出来标题党，单独优化时长模型可能推出来的都是长...
评论