Embedding技术与应用

01 将嵌入的应用视为工程问题
通常情况下，机器学习工作流程（machine learning workflows）会给整个应用工程系统增加巨大的复杂度和开销，原因有很多[1]。首先，这个工作流程会将数据混合，而这些数据需要在下游进行监测，以防产生漂移。其次，它们的输出是不确定的，这意味着需要非常小心地跟踪这个工作流，因为我们通常不会对数据进行版本控制。第三，它们会导致处理管道（processing pipeline）出现混乱。

处理管道（processing pipeline）的混乱是胶水代码（glue code）的一种特殊情况，通常出现在数据准备流程中。随着新的信号被识别和新的信息源被添加，这些管道可以有机地演变。如果不加注意，为了以机器学习友好的格式准备数据所构建的系统，这个系统通常由多个数据处理步骤组成，包括数据抓取、数据清洗、数据转换、数据合并等，而且这些步骤之间可能存在多个依赖关系和中间文件输出。如果不加注意，这个系统可能会变得非常复杂和难以维护

从PinnerSage和Wide and Deep等模型的系统架构图中可看出，生产环境中使用嵌入的推荐系统[2]，都有许多可活动组件。