前面讲的多目标模型主要是用于精排。
粗排:尽量减少推理的计算量,牺牲准确性确保线上推理的速度足够快。
精排模型和双塔模型
中间的神经网络被多个任务共享
因此,前期融合模型用于召回,后期融合可以作为精排。
小红书粗排的三塔模型
交叉特征是指用户特征和物品特征做交叉。训练粗排的方法就是正常的端到端训练,和精排完全一样。
这个模型介于前期融合和后期融合之间,前期融合式把用户特征等底层特征做concatenation,这里是对三个塔输出的向量做concatenation 。
前面讲的多目标模型主要是用于精排。
粗排:尽量减少推理的计算量,牺牲准确性确保线上推理的速度足够快。
中间的神经网络被多个任务共享
因此,前期融合模型用于召回,后期融合可以作为精排。
交叉特征是指用户特征和物品特征做交叉。训练粗排的方法就是正常的端到端训练,和精排完全一样。
这个模型介于前期融合和后期融合之间,前期融合式把用户特征等底层特征做concatenation,这里是对三个塔输出的向量做concatenation 。
版权声明:
本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。
我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com