PulseAugur
中
实时 02:04:16
English(EN) Embedding Items at Scale: Comparing GNN-Based and ID-Based Item Embeddings in the Yandex Ecosystem

Yandex 研究比较推荐系统的 GNN 与端到端项嵌入

作者 PulseAugur 编辑部 · [1 个来源] ·

Yandex 的研究人员进行了一项大规模研究，比较了在基于 Transformer 的推荐系统中生成项嵌入的两种方法：预训练图神经网络 (GNN) 嵌入和端到端可训练嵌入。他们的研究结果表明，虽然预训练对较小的数据集有益，但对于在海量数据上训练的大规模模型，它没有带来显著优势。该研究使用了 Yandex Market 和 Yandex Music 的生产系统，并纳入了 Yandex Lavka 的一个低资源数据集。 AI

影响 这项研究通过比较不同的嵌入技术，为优化推荐系统性能提供了见解，可能影响大规模系统的训练方式。

排序理由 学术论文，详细介绍了推荐系统的嵌入策略的比较研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Yandex 研究比较推荐系统的 GNN 与端到端项嵌入

报道来源 [1]

  1. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Kirill Khrylchenko ·

    大规模嵌入物品：在 Yandex 生态系统中比较基于 GNN 和基于 ID 的物品嵌入

    Transformer-based sequential recommendation models, which process sequences of user-item interactions, rely heavily on the item embedding strategy. Existing approaches either use pretrained item embeddings or learn them end-to-end with the transformer. To the best of our knowledg…

相关实体

相关话题