shared bottom 表示神經網絡被所有特征共享。精排模型主要開銷在神經網絡,神經網絡很大且很復雜。
每做一次推薦,用戶塔只做一次推理。物品塔存放入向量數據庫。
后期融合模型常用于召回,前期融合模型常用于精排。
物品塔短時間內比較穩定,不需要去不斷更新。
物品塔緩存命中率極高,99% 物品的向量都有緩存,交叉塔反映的是動態的特征,必須做 n n n 次推理。
shared bottom 表示神經網絡被所有特征共享。精排模型主要開銷在神經網絡,神經網絡很大且很復雜。
每做一次推薦,用戶塔只做一次推理。物品塔存放入向量數據庫。
后期融合模型常用于召回,前期融合模型常用于精排。
物品塔短時間內比較穩定,不需要去不斷更新。
物品塔緩存命中率極高,99% 物品的向量都有緩存,交叉塔反映的是動態的特征,必須做 n n n 次推理。
本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。 如若轉載,請注明出處:http://www.pswp.cn/pingmian/83014.shtml 繁體地址,請注明出處:http://hk.pswp.cn/pingmian/83014.shtml 英文地址,請注明出處:http://en.pswp.cn/pingmian/83014.shtml
如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!