实体
Deep Learning Recommendation Models
Deep Learning Recommendation Models
PulseAugur coverage of Deep Learning Recommendation Models — every cluster mentioning Deep Learning Recommendation Models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的TMallGS架构提升了生成式电子商务搜索性能
研究人员开发了TMallGS，这是一种旨在通过统一特征和序列建模来增强生成式电子商务搜索的新架构。该系统通过采用分层分布校准的标记化和字段自适应门控Transformer骨干网络，解决了当前基于Transformer的方法的局限性。TMallGS还集成了解耦的FiLM晚期融合、上下文感知偏置网络和错误感知渐进式训练，以改善语义交互和信号保留。在Tmall Search上进行的在线A/B测试表明，在训练吞吐量、UCTCVR和GMV方面均…
-
Meta推出CMSL用于推荐系统，以改进用户行为分析
研究人员推出了一种新颖的推荐系统方法——建设性多序列学习（CMSL），它超越了将用户行为视为单一时间序列的处理方式。CMSL通过将用户历史分解为多个主题线索来解决上下文污染问题，从而实现更集中的模式识别。该方法已在Meta的各种排序和检索任务中得到实施。
-
新研究解决超长序列推荐模型训练问题
两篇新研究论文解决了具有极长用户交互历史的推荐模型训练中的挑战。第一篇论文《Versioned Late Materialization》提出了一种系统，通过一次性存储用户历史并按需重建序列来减少数据基础设施负载，从而支持更长的序列并提高模型质量。第二篇论文《SinkRec》引入了一种混合记忆-转换架构，以缓解线性注意力模型中的“语义状态汇聚”问题，防止重复模式压倒模型的状态并提高长序列的效率。