- 這就是推薦系統(tǒng):核心技術(shù)原理與企業(yè)應(yīng)用
- 胡瀾濤等
- 365字
- 2023-12-12 19:09:45
1.2.4 排序:為用戶精選內(nèi)容
排序是推薦系統(tǒng)的第二個漏斗環(huán)節(jié),排序環(huán)節(jié)可以使用復(fù)雜的排序模型,融入各個維度的特征,對召回的結(jié)果做更精準(zhǔn)的打分計算。
在召回的候選內(nèi)容過多時,為了平衡算力和效果,會將排序分為粗排和精排兩個環(huán)節(jié)。預(yù)先用一個簡單、計算復(fù)雜度低的粗排模型對召回的結(jié)果做進(jìn)一步的篩選后,再送入精排模型做更精細(xì)的計算。
如圖1-7所示,工業(yè)界廣泛使用的排序模型的發(fā)展過程大致可以分為如下三個階段。
(1)傳統(tǒng)模型+人工特征:這個階段的思路是簡單模型加復(fù)雜特征,這個時期經(jīng)典的模型如LR、阿里的MLR,以及LR+FTRL的搭檔組合。
(2)傳統(tǒng)模型+自動特征:這個時期由模型承擔(dān)了前期部分人工特征選擇和特征組合的工作,經(jīng)典的模型有FM、FFM,以及GBDT+LR的組合。
(3)深度模型:工業(yè)界現(xiàn)階段的排序模型基本上都采用了深度模型,經(jīng)典的深度模型如Google的Wide&Deep、DeepFM、MMoE等。

圖1-7 排序模型演化圖
推薦閱讀
- 玩轉(zhuǎn)ChatGPT:秒變AI文案創(chuàng)作高手
- 人人都離不開的算法:圖解算法應(yīng)用
- 人工智能改變世界:走向社會的機器人
- 深度學(xué)習(xí)之人臉圖像處理:核心算法與案例實戰(zhàn)
- 解碼智能時代2021:來自未來的數(shù)智圖譜
- PyTorch深度學(xué)習(xí)應(yīng)用實戰(zhàn)
- 大模型實戰(zhàn):微調(diào)、優(yōu)化與私有化部署
- 可解釋人工智能導(dǎo)論
- 基于信息增強的圖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法研究
- 人工智能導(dǎo)論
- 過度智能
- 大語言模型:基礎(chǔ)與前沿
- 智能計算:原理與實踐
- 巧用ChatGPT輕松玩轉(zhuǎn)新媒體運營
- 人工智能導(dǎo)論