1. 表示学习

1.1. 算法说明

BRNN Encoder（Bidirectational Recurrent Neural Network Encoder） 是基于 RNN（Recurrent Neural Network Encoder）改进的时序编码模型，可以对具有时序特性的数据进行特征编码及衍合。BRNN Encoder 算法的输入，可以是多天的用户行为数据，也可以是语句中的词向量，编码后的结果可以用于其他的模型训练。

1.2. 训练节点

输入

  • 数据形式：TimeSeriesTrainData，以半角逗号连接各字段。
  • 格式：| label | timestep×features |
  • label：通过算法参数的类别数指定。分类任务中 label 需要经过 1-HOT 处理,详见 TimeSeriesData。
  • timestep：可通过算法参数的时序长度指定，代表每条样本的时序个数。
  • features：可通过算法参数的选择特征列指定，代表每个 timestep 中包含的特征个数。

输出

  • Tensorflow 模型文件，可参考 Serving a TensorFlow Model。可以通过算法 IO 参数 中的模型输出指定，将模型保存至自己的 cephfs 路径下。
  • 内容：包括 ckpt、meta 和 checkpoint 三种文件。
    • 算法 IO 参数
  • 训练数据路径：训练数据路径（ceph 路径）
  • 测试数据路径：训练数据路径（ceph 路径）
  • TensorBoard 目录：tensorboard 存储路径
  • 模型输出路径：模型输出路径（必填），如/cephfs/person/rtx/。

算法参数

  • 初始学习率：控制模型的收敛速度。
  • 每层单元个数：每层中包含的 RNN 单元个数。
  • 网络深度(层)：构建单层或多层 RNN 模型。
  • 特征数量：作为 feature 值，用于训练模型。
  • 时序长度：BRNN 循环的次数，作为 timestep 值。
  • 类别数：样本输出类别的个数。
  • 模型保存间隔：控制缓存模型的间隔，可用于重复训练。
  • 训练步数：训练过程中，数据集被循环利用的次数。

1.3. 预测节点

输入

  • 数据形式：TimeSeriesTrainData，以半角逗号连接各字段。
  • 格式：| ID | timestep×features |
  • ID：用于标识每条预测样本，可以为 QQ 号或者文本编号。
  • timestep：可通过模型参数的时序长度指定，代表每条样本的时序个数。
  • features：可通过模型参数的选择特征列指定，代表每个 timestep 中包含的特征个数。

输出

  • 格式：| ID | encoded_features |
  • 说明：以半角逗号连接各字段。
  • encoded_features：编码后的时序特征，feature 的个数与输出层神经元个数相同，可以通过模型参数的隐含层个数指定。
  • 模型参数
    • 时序长度：编码数据的时间序列个数，作为 timestep 值。
    • 特征数量：作为 feature 值，用于特征编码，需要与训练样本的 feature 个数一致。