ffn神经网络（fc神经网络）

本篇文章给大家谈谈ffn神经网络，以及fc神经网络对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、推荐系统论文阅读（三十五)-亚马逊：多样性互补商品的召回算法
• 2、Transformer最全解析（attention is all you need）
• 3、RoBERTa 和 ALBERT
• 4、解读SwinTrack
• 5、2020-02-14
• 6、理解Bert

推荐系统论文阅读（三十五)-亚马逊：多样性互补商品的召回算法

论文 ：

论文题目：《P-Companion: A Principled Framework for Diversified  Complementary Product  Recommendation 》

地址：

前面一篇文章里面我已经提到了商品的可替代性和互补性这两个关系，亚马逊这篇文章着重介绍了如何在保持多样性的前提下利用好商品之间的互补关系。

互补产品推荐（CPR）旨在提供经常一起购买的商品的推荐，以满足共同的需求，形成了电子商务服务的重要组成部分，但是，现有方法远非最佳。对于一种产品，如何推荐其不同类型的互补产品是我们在这项工作中要解决的关键问题。

在我们之前的第34篇文章中所提到的，我们认为共同购买的商品就是互补的，但是这边文章提出了co-purchase的物品并不一定是互补的，举个简单的例子吧，如果用户购买了两种不同品牌的口红那么当然说这两个口红不是互补的商品，但是可以说他们是相似的物品。如果说用户购买了手机跟手机壳，那么手机壳就是手机的互补商品，但是反过来就不行了，因为用户不会因为先把购买了手机壳再去找与之相匹配的手机。

更具体的来看下面的例子：

在图1中，我们显示了一个比较示例，详细阐述了生成高质量“一起购买”推荐的要求。以网球拍作为“查询产品”，我们比较了三组推荐列表。列表1包含其他三个类似的网球拍。清单2包含三个网球，清单3包含一个网球，一个球拍套和一个头带。当然，我们认为列表1通常更倾向于替代产品，并且不太可能在列表1中一起购买。虽然列表2和3都可以被视为合理的推荐，但我们认为列表3是更好的选择，因为它提出了三种不同类型的产品共同更好地满足了客户对网球运动的需求。该示例说明，理想的补充生产推荐解决方案应同时考虑相关性和多样性，以满足客户的需求。

在以前的工作中，我们会更倾向于去建模商品之间的相似度，如协同过滤或者一些item2vec的方升轮法，但是建模物品之间的相似度遇到了一下几个挑战：

C1：互补关系不是对称的，并且互补推荐不仅仅基于相似性度量。例如，网球拍和头带在文字或图像特征上握笑滑根本不相似。而且，SD卡可以是相机的补充产品，但不能相反。这些事实排除了大多数基于相似性的方法，并需要使用不同的机制来建立互补关系的模型。 

C2：互补推荐需要考虑多样性。这些推荐通常是一组具有不同类别和功能的商段腊品，可以满足客户的需求。如图1所示，包含三种类型的网球相关产品的多元化推荐列表要优于仅一种类型的推荐列表。

C3：互补推荐在冷启动项目中受挫。也就是说，在电商领域中，相似度推荐难以解决冷启动问题。

带着这几个挑战，我们来看看亚马逊是怎么解决这些问题的。

I：item 的集合

B ∈ I × I ，代表从客户的历史行为收集的成对商品之间的三个关系（即，共同购买 ，共同浏览 和浏览后购买 ）。

C