深度树模型实验

---

目录

• 实验环境
• 代码结构
• 算法模型
• 进度
• 参考文献

实验环境

系统环境: ubuntu 18.04LTS
IDE：PyCharm 2018.3

实验数据集

代码结构

文件说明
tdm.py: 代码入口，负责完整深度树模型的训练和测试
sample_init.py: 数据处理及生成程序，负责数据预处理及树样本的生成
construct_tree.py: 样本二叉树生成程序，负责树模型的生成
deep_network.py: DNN的实现程序，负责网络的搭建
prediction.py: 树节点预测及模型评测程序，负责模型预测及性能验证

算法模型

深度树算法流程(文献[1]):

1. 构造随机二叉树
2. 基于树模型生成样本
3. 训练DNN模型直到收敛
4. 基于DNN模型得到样本的Embedding，重新构造聚类二叉树
5. 循环上述2～4过程

进度

完成功能测试，跑通模型
TODO: 改进性能，验证模型

参考文献

[1] Learning Tree-based Deep Model for Recommender Systems, Han Zhu, Xiang Li, Pengye Zhang, etc.
[2] Deep Interest Network for Click-Through Rate Prediction, Guorui Zhou, Chengru Song, Xiaoqiang Zhu, etc.
[3] Empirical Evaluation of Rectified Activations in Convolution Network, Bing Xu, Naiyan Wang, Tianqi Chen, etc.
[4] Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification, Kaiming He, Xiangyu Zhang, Shaoqing Ren, etc.
[5] Distributed Representations of Words and Phrases and their Compositionality, Tomas Mikolov, Ilya Sutskever, Kai Chen, etc.