研究人员开发了LO-FAR，一种用于工业广告推荐系统中稀疏特征排序的新工作流程。这种仅CPU的方法使用轻量级局部估计器根据其预测信号对特征进行排序，为受GPU限制的重新训练方法提供了一种经济高效的替代方案。在大型生产数据集上进行测试，LO-FAR在保持点击率和转化率的下游收益方面取得了有竞争力的结果，证明了其在预算和迭代受限的系统中的实用性。 AI
影响 为大规模推荐系统中的特征选择提供了一种更有效、更具成本效益的方法。
排序理由 该集群包含一篇研究论文，详细介绍了广告推荐系统中特征排序的新方法。[lever_c_demoted from research: ic=1 ai=0.7]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- central processing unit
- click-through rate
- conversion rate
- CORE Recommender
- graphics processing unit
- Hugging Face
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
