YouTubeDNN模型

召回:

总结:

  • 塔输入全是用户特征。
  • 输入特征对 搜索词、观看记录进行item的mean-pooling。
  • 双塔也有连续向量,对连续向量进行了x直接入和x²输入,扩大特征的变化。
  • item向量和用户观看历史的item也可以用一个Embedding矩阵。
  • 样本构建:在导出user向量时,一般都是取用户最近一条的特征。 

排序:

损失函数采用加权逻辑回归,把完播率当做视频的权重。进一步优化后续转化。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值