# Tree_Deep_Model

**Repository Path**: shupei_ustc/Tree_Deep_Model

## Basic Information

- **Project Name**: Tree_Deep_Model
- **Description**: Deep neural network model based on the tree
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-05-16
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 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](https://tianchi.aliyun.com/dataset/dataDetail?dataId=649&userId=1)

### 代码结构
![code-structure](./code_structure.jpg)  
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
![algorithm-structure](./algorithm_structure.png)  
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.