【笔记】一天造出10亿个淘宝首页,阿里工程师如何实现?

案例来源:微信公众号@阿里技术
(以下为案例的简要概述,便 于之后能快速检索到相关内容。部分文字与图片可能直接来自原文,如有侵权请告知,谢谢)

1. 目标:在CTR有保证的情况下,提高淘宝首页推荐的多样性和新颖性。如以前用户点击了“茶杯”,那么推荐的可能是其它茶杯,而现在淘宝会在一定概率上对用户推荐“茶具”、“茶叶”等

2. 实现方法:
1)使用Graph Embedding做深度召回框架
2)使用XTensorFlow做深度排序框架

3. 使用Graph Embedding做深度召回框架: Graph Embedding是一种将复杂网络投影到低维空间的机器学习算法,典型的做法是将网络中的节点做向量化表达,使节点间的向量相似度接近原始节点间在网络结构、近邻关系、meta信息等多维度上的相似性(类似于word2vec)

4. 使用XtensorFlow做深度排序框架:
1)当宝贝数目及参数膨胀到一定规模,加深网络容易引起梯度消失。因此引入深度残差网络技术,训练更深的网络
2)通过将稀疏特征embedding,配合多层全连接Relu层,DNN能够自动进行特征交叉,学习到高阶非线性特征,但是这种交叉是隐性的,交叉阶数无法显示控制,而且容易"over-generalization"。为了弥补这一点,WDL模型引入了wide侧,显示记忆一些可解释的特征交叉信息以保证模型的精准性。但是wide侧的引入带来了大量的特征工程的工作,同时也只能学习2阶(cross-product)浅层的交叉。 DCN(Deep & Cross Network) 引入了cross network,通过网络层数控制特征交叉的阶数,并且它实现高阶特征交叉需要的参数量远远小于DNN。【这段没看懂,还未学习到DCN】
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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