Deep Neural Networks for YouTube Recommendations的解读
摘要
本文根据经典的两阶段信息检索二分法进行划分：首先详细描述一个深度候选生成模型，然后描述一个单独的深度排序模型。
1. 总体模型
- 该系统有两个神经网络组成：一个用于候选集的生成，一个用于排名。
- 候选生成网络从用户的YouTube活动历史记录中获取事件作为输入，并从大型语料库中检索一小部分(数百个)视频
- 排序网络通过使用一组描述视频和用户的丰富特征，根据期望的目标函数为每个视频分数来完成任务。通过视频的得分进行排序，得分高的视频会呈现给用户。
2. 候选生成网络
候选生成网络模型
-
该模型属于DNN模型，其中把推荐问题看成一个“超大规模多分类”问题
即在时刻t，为用户U（上下文信息C）在视频库V中精准的预测出视频i的类别（每个具体的视频视为一个类别，i即为一个类别）:
P ( ω t = i ∣ U , C ) = e v i u ∑ j ∈ V e v j u P(\omega_t=i|U,C)=\frac{e^{v_i u}}{\sum_{j\in V}e^{v_j u}} P(ωt=
最低0.47元/天 解锁文章
22万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
