深度学习在推荐系统中的最新应用( 五 )

2019-09-12

损失函数分析

（1）延迟反馈损失（delayed feedback loss）

在延迟反馈损失函数中，假定时滞服从指数分布，并将此模型与 Logistic 回归或深度模型联合训练。参数θ和 w_d 的正则对数似然优化为：

其中 alpha 为正则化参数，L_DF 表示为：

图3/19

f_θ（x）对应 pCTR 模型的输出，d 对应于点击一个正样本的时间，而 e 代表自广告播放以来经过的时间。延迟反馈损失函数的数值计算格式为：

图4/19

（2）正未标记损失（positive-unlabeled loss, PU 损失）

本文在 FN 设置下使用正未标记（positive unlabeled，PU) 损失，将有偏训练数据中的所有负样本视为未标记。损失函数为：

推荐阅读

上一篇：苏姓股民向乐视网发起索赔宋一欣律师接单

下一篇：刘强东性侵案举行听证：男方用海牙公约拖延3个月