- 更清晰、更轻量的keras版本的ctr模型库
- 使用方法详见
ctr4keras/examples
感谢浅梦大佬的DeepCTR 和苏神的bert4keras ,本实现有不少地方借鉴了DeepCTR和bert4keras的代码。
- 支持多种特征结构的输入,包含
连续型(dense)
、离散型(sparse)
、有序型
、多值离散型
和时间序列型
特征 - 支持各种CTR模型的训练
- 支持常见ctr损失函数,如
focal loss
- 支持各种组件(layer)的拼接,得到新模型(model)
- 支持结果可视化和tf serving的部署
- 支持各种深度学习模型与
lambda
结合的排序模型
- 2022.06.09: 新增rank和lambda两种pairwise的训练方法,适用于所有深度学习模型
- 2021.04.25: 加入
DIN
,BST
- 2021.04.22: 加入
AutoInt
,特征可以定制vocab - 2021.04.20: 加入
gauc
评估指标,加入全局种子便于结果复现 - 2021.04.16: 支持
NFM
,CCPM
,AFM
,DeepAFM
- 2021.04.14: 支持
LR
,FM
,DWL
,FNN
,DeepFM
,DCN
,加入focal loss
Lambda使用:模型生成时插入深度学习模型即可,详情见examples/run_lambda_dcn.py
model = LambdaRanker(
module=DCN, # 可以是其他任意模型
features=preprocessor.features,
cross_layer_num=5,
dense_emb_dim=4,
dense_hidden_dims=[128, 128, 32],
regularizer=1e-5
)