推荐系统的前沿实践
文章平均质量分 88
推荐系统的前沿实践
bugmaker.
这个作者很懒,什么都没留下…
展开
-
PLE详解
在做多目标建模的时候,摆在我们面前的主要在于各个任务的损失函数如何权衡baseline最简单的做法就是人工经验给每个任务分配一个权重系数,也就是其中n代表任务个数优点:简单,易懂缺点:对人工经验要求较高,需要多次人工尝试调参才能达到最佳效果这样做主要有这么几个问题不同任务的Loss差异非常大,如果某个任务的Loss比其他几个任务的Loss大一个量级,其实多任务学习就演变成单任务学习不同任务的梯度变化不同,有些任务参数更新快,有些任务参数更新慢。原创 2023-04-11 20:15:47 · 2097 阅读 · 0 评论 -
双塔模型实践
本文是我和双塔模型死磕了6个月之后的心得体会。如前文所述,双塔分离,既是保障线上快速serving、以适应召回+粗排场景的优点,也是不能使用交叉特征与结构、导致两侧信息交叉过晚、制约模型表达能力的最大缺点。user&item两侧信息交叉得太晚,等到最终能够通过dot或cosine交叉的时候,user & item embedding已经高度浓缩,一些细粒度的信息已经在塔中被损耗,永远失去了与对侧信息交叉的机会。为了克服这一缺点,业界同仁设计出许多改进方案。原创 2023-04-11 20:01:05 · 1452 阅读 · 0 评论 -
MMOE——多任务学习模型
近年来,深度神经网络模型已成功应用于许多现实世界的大规模应用,如推荐系统。这样的推荐系统通常需要同时优化多个目标。例如,在向用户推荐电影时,我们可能希望用户不仅购买并观看电影,还希望他们在观看后喜欢上电影,这样他们就会回来看更多的电影。也就是说,我们可以创建模型来同时预测用户的购买和他们的评级。原创 2023-04-05 17:05:59 · 1460 阅读 · 0 评论 -
交互式推荐在美团的实现
交互式推荐是一种互动式实时推荐产品模块,主要通过理解用户需求、以互动的方式进行推荐。交互式推荐由Youtube在2018年提出,主要用于解决推荐系统的延迟和与用户互动偏弱的问题。从2021年下半年开始,美团外卖推荐技术团队在外卖首页Feed上持续进行探索,2022上半年完成全量。具体流程:用户从首页Feed进入商家详情页并退出之后,动态地插入新的推荐内容到用户推荐列表中。其主要优势是根据用户的实时需求动态插入卡片进行反馈,进而增强用户的使用体验。原创 2023-03-27 14:26:55 · 764 阅读 · 0 评论