wbbhcb/dl_ctr

基于科大讯飞AI营销算法比赛实现CTR深度学习方法

DL_CTR

注：data文件夹用来存放特征矩阵，后续的DeepFM、FM等模型需要使用GBDT_LR文件夹内feature_engineer文件夹处理的特征矩阵。

1、数据集下载：科大讯飞初赛数据集下载

2、GBDT_LR模型：将连续特征通过GBDT离散化并结合原类别特征，使用CSR矩阵存储One-Hot以后的特征矩阵，进而用LR模型训练。

3、DeepFM模型参考DeepFM参考链接，其中FM模型的实现只需要将DeepFM中的Deep部分去掉即可实现。安利一个推荐系统的博客，推荐系统博客。本人关于DeepFM的博客。

4、Deep & Cross Network(DCN)模型参考DeepFM，实现EarlyStopping、L2正则化、Dropout，详见DCN文件夹。DCN的博客。

5、Product-based Neural Networks(PNN)模型参考DeepFM，实现EarlyStopping、Dropout、inner-product和outer-product，通过use_inner参数来调用，详见PNN文件夹。PNN的博客。

6、Neural Factorization Machines(NFM)模型参考DeepFM，实现EarlyStopping、Dropout，详见NFM文件夹。NFM的博客

7、Attentional Factorization Machines(AFM)模型参考NFM，详见AFM文件夹。AFM的博客

注：NFM、DeepFM训练模型速度较快；