From 6a7dbad50d451ce49fe3acc4915588a782508206 Mon Sep 17 00:00:00 2001 From: guru4elephant <35550832+guru4elephant@users.noreply.github.com> Date: Mon, 29 Oct 2018 22:09:52 +0800 Subject: [PATCH] Update README.cn.rst --- fluid/README.cn.rst | 15 ++++++++------- 1 file changed, 8 insertions(+), 7 deletions(-) diff --git a/fluid/README.cn.rst b/fluid/README.cn.rst index 36e1b492..798980f4 100644 --- a/fluid/README.cn.rst +++ b/fluid/README.cn.rst @@ -187,14 +187,15 @@ SimNet是百度自然语言处理部于2013年自主研发的语义匹配框架 - `DuReader in PaddlePaddle Fluid] `__ -推荐系统 +个性化推荐 ------- -推荐系统在当前的互联网服务中正在发挥越来越大的作用，目前几乎所有的电子商务系统、社交网络，广告推荐，搜索引擎等等，都不同程度的使用了各种形式的推荐系统，帮助用户快速找到他们想要的信息。 +推荐系统在当前的互联网服务中正在发挥越来越大的作用，目前大部分电子商务系统、社交网络，广告推荐，搜索引擎，都不同程度的使用了各种形式的个性化推荐技术，帮助用户快速找到他们想要的信息。 -目前主流的推荐算法很多都是基于深度学习算法实现的，PaddlePaddle对推荐算法的训练提供了完整的支持，并提供了多种模型配置供用户选择。 +在工业可用的推荐系统中，推荐策略一般会被划分为多个模块串联执行。以新闻推荐系统为例，存在多个可以使用深度学习技术的环节，例如新闻的自动化标注，个性化新闻召回，个性化匹配与排序等。PaddlePaddle对推荐算法的训练提供了完整的支持，并提供了多种模型配置供用户选择。 -- `DNN for Click-Through Rate prediction `__ - -基于DNN模型的点击率预估模型，使用的是Kaggle公司举办的展示广告竞赛中所使用的Criteo数据集。和论文DeepFM: A Factorization-Machine based Neural Network for CTR Prediction中的的dnn网络结构， -经过一个pass的训练之后，测试数据集的AUC能达到0.8左右。 \ No newline at end of file +- [TagSpace](https://github.com/PaddlePaddle/models/tree/develop/fluid/PaddleRec/tagspace) +- [GRU4Rec](https://github.com/PaddlePaddle/models/tree/develop/fluid/PaddleRec/gru4rec) +- [SequenceSemanticRetrieval](https://github.com/PaddlePaddle/models/tree/develop/fluid/PaddleRec/ssr) +- [DeepCTR](https://github.com/PaddlePaddle/models/blob/develop/fluid/PaddleRec/ctr/README.cn.md) +- [Multiview-Simnet](https://github.com/PaddlePaddle/models/tree/develop/fluid/PaddleRec/multiview_simnet) -- GitLab