readme.md 4.2 KB
Newer Older
Y
yaoxuefeng 已提交
1
# 排序模型库
Y
yaoxuefeng 已提交
2 3

## 简介
Y
yaoxuefeng 已提交
4
我们提供了常见的排序任务中使用的模型算法,包括 [多层神经网络](http://gitlab.baidu.com/tangwei12/paddlerec/tree/develop/models/rank/dnn)[Deep Cross Network](http://gitlab.baidu.com/tangwei12/paddlerec/tree/develop/models/rank/dcn)[DeepFM](http://gitlab.baidu.com/tangwei12/paddlerec/tree/develop/models/rank/deepfm)[xDeepFM](http://gitlab.baidu.com/tangwei12/paddlerec/tree/develop/models/rank/xdeepfm)[Deep Interest Network](http://gitlab.baidu.com/tangwei12/paddlerec/tree/develop/models/rank/din)[Wide&Deep](http://gitlab.baidu.com/tangwei12/paddlerec/tree/develop/models/rank/wide_deep)
Y
yaoxuefeng 已提交
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

模型算法库在持续添加中,欢迎关注。

## 目录
* [整体介绍](#整体介绍)
    * [排序模型列表](#排序模型列表)
* [使用教程](#使用教程)
    * [数据处理](#数据处理)
    * [训练](#训练)
    * [预测](#预测)
* [效果对比](#效果对比)
    * [模型效果列表](#模型效果列表)
* [分布式](#分布式)
    * [模型性能列表](#模型性能列表)

## 整体介绍
### 排序模型列表

|       模型        |       简介        |       论文        |
| :------------------: | :--------------------: | :---------: |
| DNN | 多层神经网络 | -- |
Y
yaoxuefeng 已提交
26 27 28 29 30
| wide&deep | Deep + wide(LR) | [Wide & Deep Learning for Recommender Systems](https://dl.acm.org/doi/abs/10.1145/2988450.2988454)(2016) |
| DeepFM | Deep + FM 并行 | [DeepFM: A Factorization-Machine based Neural Network for CTR Prediction](https://arxiv.org/abs/1703.04247)(2017) |
| xDeepFM | DeepFM升级版 | [xDeepFM: Combining Explicit and Implicit Feature Interactions for Recommender Systems](https://dl.acm.org/doi/abs/10.1145/3219819.3220023)(2018) |
| DCN | wide升级为Cross Layer Network | [Deep & Cross Network for Ad Click Predictions](https://dl.acm.org/doi/abs/10.1145/3124749.3124754)(2017) |
| DIN | Embeddding层引入attention机制 | [Deep Interest Network for Click-Through Rate Prediction](https://dl.acm.org/doi/abs/10.1145/3219819.3219823)(2018) |
Y
yaoxuefeng 已提交
31 32 33 34 35 36 37 38 39

## 使用教程
### 数据处理
### 训练
### 预测

## 效果对比
### 模型效果列表

Y
yaoxuefeng 已提交
40 41 42 43 44 45 46 47
|       数据集        |       模型       |       loss        |       测试auc          |       acc         |       mae          |
| :------------------: | :--------------------: | :---------: |:---------: | :---------: |:---------: |
|       Criteo        |       DNN       |       --        |       0.79395          |       --          |       --          |
|       Criteo        |       DeepFM       |       0.44797        |       0.8046          |       --          |       --          |
|       Criteo        |       DCN       |       0.44703564        |       0.80654419          |       --          |       --          |
|       Criteo        |       xDeepFM       |       --        |       0.7308          |       0.48657          |       --          |
|       Census-income Data        |       Wide&Deep       |       0.76195(mean)         |       0.90577(mean)          |       --          |       --          |
|       Amazon Product        |       DIN       |       0.47005194        |       0.863794952818         |       --          |       --          |
Y
yaoxuefeng 已提交
48 49 50

## 分布式
### 模型性能列表
Y
yaoxuefeng 已提交
51 52 53 54 55 56 57 58
|       数据集        |       模型       |       单机        |       多机(同步)          |       多机(异步)          |       GPU          |
| :------------------: | :--------------------: | :---------: |:---------: |:---------: |:---------: |
|       Criteo        |       DNN       |       --        |       --          |       --          |       --          |
|       Criteo        |       DeepFM       |       --        |       --          |       --          |       --          |
|       Criteo        |       DCN       |       --        |       --          |       --          |       --          |
|       Criteo        |       xDeepFM       |       --        |       --          |       --          |       --          |
|       Census-income Data        |       Wide&Deep       |       --        |       --          |       --          |       --          |
|       Amazon Product        |       DIN       |       --        |       --          |       --          |        --          |