點擊率預估問題中的深度興趣網路、點過程模型在序列數據挖掘中的應用
社長提醒:明天共有兩場公開課,分別是10:00和20:00,請注意開播時間哦~
10:00場:
分享主題
點擊率預估問題中的深度興趣網路
分享背景
隨著硬體能力的提升,提高了實際使用的模型複雜度的上限,深度學習在各個領域飛速發展。近期在點擊率預估問題上也有許多新的深度模型演算法迸發。本次主要介紹阿里媽媽定向廣告中預估演算法的演進,包括深度興趣網路,興趣演化網路等工作。
分享嘉賓
周國睿,北京郵電大學模式識別實驗室碩士,導師是愛可可愛生活老師,主要研究方向為NLP,推薦系統等。工作曾在KDD、AAAI、CIKM 等會議發表。
分享提綱
1. 定向廣告預估介紹。
2. 深度預估模型的演進過程。
3. 深度興趣網路DIN(KDD2018)Deep Interest Network for Click-Through Rate Prediction。
4. 興趣演化網路DIEN Deep Interest Evolution Network for Click-Through Rate Prediction
分享時間
(北京時間 ) 10 月 18 日(星期四)10:00
直播鏈接
http://www.mooc.ai/open/course/571
20:00場:
分享主題
點過程模型在序列數據挖掘中的應用
分享背景
目前,大量數據是以事件序列的形成產生,比如電商用戶的購買行為序列,社交網路用戶的轉發、點贊行為序列,病人的電子病歷等,都屬於序列數據。點過程模型是對此序列數據進行建模分析的有效工具。本次公開課中,講者將介紹如何使用點過程模型對此類序列數據進行建模分析。
分享嘉賓
吳偉昌,上海交通大學電子系在讀博士,導師是查宏遠教授,主要研究方向為序列數據挖掘,點過程建模等。其研究工作曾在 KDD、TKDE等發表。
分享提綱
1、參數化點過程模型及其應用。
2、Factorial Marked Temporal Point Process [KDD 2018]:因子標記點過程學習。(Decoupled Learning for Factorial Marked Temporal Point Processes)
3、深度神經網路與點過程模型的結合及其應用。
分享時間
(北京時間 ) 10 月 18 日(星期四)20:00
直播鏈接
http://www.mooc.ai/open/course/572
想了解更多 AI 研習社直播?
※語義分析介紹及跨語言信息在語義分析中的應用
※基於Intel Analytics Zoo上分散式TensorFlow的美的/KUKA工業檢測平台
TAG:AI研習社 |