SysRec2016 | Deep Neural Networks for YouTube Recommendations
内容速递
（1）候选集生成模型：用了Embedding MLP，注意最后的多分类的输出层，预测的是用户点击了“哪个”视频。线上服务时，需要从输出层提取出【视频 Embedding】，从最后一层 ReLU 层得到【用户 Embedding】，然后利用最近邻搜索（如LSH等）快速得到某用户的候选集。这样能够提高模型服务的效率了，不用把模型推断的逻辑搬上服务器，只需要将用户 Embedding 和视频 Embedding 存到redis特征数据库就行了。
（2）排序模型：也是Embedding MLP 架构，但是有更多的用户和视频的特征输入层，输出层采用了 Weighted LR（逻辑回归） 作为输出层（预测是典型CTR），并且使用观看时长作为正样本权重，让模型能够预测出观看时长，这更接近 YouTube 要达成的商业目标。
（3）高效训练模型：作者借鉴了机器翻译中的Sampled Softmax方法， 即利用重要性采样出部分视频 V ′ V^{\prime}
SysRec2016 | Deep Neural Networks for YouTube Recommendations相关推荐
- 关于'Deep Neural Networks for YouTube Recommendations'的一些思考和实现
七月 上海 | 高性能计算之GPU CUDA培训 6月27-29日三天密集式学习 快速带你入门阅读全文> 正文共6326个字,6张图,预计阅读时间30分钟. @blog : http://sh ...
- Deep Neural Networks for YouTube Recommendations 双语译文+理解
目录 Deep Neural Networks for YouTube Recommendations Abstract 摘要 INTRODUCTION 1 引言 2 SYSTEM OVERVIEW ...
- 3.Deep Neural Networks for YouTube Recommendations论文精细解读
一.总述 今天分享的是Deep Neural Networks for Y ouTube Recommendations这篇论文的一些核心,这篇论文被称为推荐系统工程实践领域的一篇神文,每一个细节都值 ...
- Youtube推荐系统论文-《Deep Neural Networks for YouTube Recommendations》-简单总结
文章目录 前言 一.背景介绍 二.整体架构 三.召回层 四.排序层 前言 今天要学习的是一篇关于推荐系统的经典的论文,它是由google在2016年发表的,应用场景是youtube上的视频推荐,然后这 ...
- 推荐算法论文：Deep Neural Networks for YouTube Recommendations
吹牛逼 按照经典的信息检索方式讲推荐系统划分为两部分 深度候选生成模型 深度排序模型 1. 介绍 youtube推荐系统面临的三个问题 规模:当前的推荐算法可以很好的解决数据量较小的问题,但是针对Yo ...
- （推荐系统）Youtube：Deep Neural Networks for YouTube Recommendations
摘要 该文首先从youtube推荐任务所面临的实际难题入手,提出了一种切合视频推荐需求的二阶网络推荐算法,具有很强的工程性意义. 1. 简介 YouTube的视频推荐任务目前面临以下三个问题: 规模( ...
- 《Deep Neural Networks for YouTube Recommendation》译读
<Deep Neural Networks for YouTube Recommendation>译读 摘要 youtube 代表了目前规模最大.最复杂的工业推荐系统之一.在这篇文章里,我 ...
- [深度学习论文笔记][Adversarial Examples] Deep Neural Networks are Easily Fooled: High Confidence Predictions
Nguyen, Anh, Jason Yosinski, and Jeff Clune. "Deep neural networks are easily fooled: High conf ...
- 越线人群计数--Crossing-line Crowd Counting with Two-phase Deep Neural Networks
Crossing-line Crowd Counting with Two-phase Deep Neural Networks ECCV2016 人群计数有两种做法:1) region-of-int ...
- 车牌检测识别--Towards End-to-End Car License Plates Detection and Recognition with Deep Neural Networks
Towards End-to-End Car License Plates Detection and Recognition with Deep Neural Networks https://ar ...
最新文章
- JavaScript实现自动评论哔哩哔哩视频
- JavaScript 全选函数的实现
- 如何改进安全运营和安全分析水平
- 让Dreamweaver支持phtml
- 读书笔记《React引领未来的用户界面开发框架》
- android各目录大小,Android 基础篇 — 放不同drawable文件夹中图片的大小
- SpringBoot_数据访问-整合MyBatis（二）-配置版MyBatis
- 如何在github上搭建一个免费的 无限流量的静态网页博客Github pages
- java高级能力_java高级技术工程师该具备哪些能力？
- 解决XeLaTex编译后中文出现乱码的问题
- 全球所有科学家影响力排名第五！这位中国院士到底有多厉害？
- 我愿称之为：最强播放器！
- 前端之TS类型注解、接口（vscode自编译ts→js）
- 黑白液晶COG与COB的区别
- 关系数据库的完整性约束：实体完整性、参照完整性、用户自定义完整性
- 《Excel视频9》布尔值、and or
- 近期Java高级开发岗面试总结
- 2016年html5游戏 报告,是寒冬还是风口？2015年HTML5游戏完整产业链报告
- 人才公司环境与企业文化
- golang指定图片大小，图片生成（白底黑字）。将一张随机图片与生成图片合成