← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9907.a · 生成模型:Hunyuan

隐性反馈为何成为特征重点

理解等级:中级

用户行为数据分为显性反馈与隐性反馈:前者是评分、点赞等明确表达,后者是点击、播放、浏览等间接信号。显性反馈收集难度大、数据量小,在深度学习模型对数据量要求越来越高的背景下,仅靠显性反馈不足以支撑训练收敛。因此能大规模、低成本反映用户行为特点的隐性反馈成为特征挖掘的重点。代价是隐性反馈噪声更大,点击不一定代表喜欢,需要结合业务理解设计权重与标签规则。处理上常把物品id序列转成multi-hot向量,或预训练物品Embedding后用平均与注意力机制生成历史行为向量。迁移启发是选择反馈信号时优先看数据规模与业务可解释性,而非信号表面上的明确性。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第5章 多角度审视推荐系统 · 查看原书依据

      在当前的推荐系统特征工程中,隐性反馈行为越来越重要,主要原因是显性反馈行为的收集难度过大,数据量小。在深度学习模型对数据量的要求越来越大的背景下,仅用显性反馈的数据不足以支持推荐系统训练过程的最终收敛。因此,能够反映用户行为特点的隐性反馈是目前特征挖掘的重点。

    参考来源

    - 位置:《深度学习推荐系统》第5章 多角度审视推荐系统(源文件:extracted/深度学习推荐系统/_epub-src/text/part0009_split_001.html) - 结论依据:原文明确指出显性反馈收集难度过大、数据量小,仅用显性反馈不足以支持训练收敛,因而隐性反馈是特征挖掘重点。 - 原始内容:在当前的推荐系统特征工程中,隐性反馈行为越来越重要,主要原因是显性反馈行为的收集难度过大,数据量小。在深度学习模型对数据量的要求越来越大的背景下,仅用显性反馈的数据不足以支持推荐系统训练过程的最终收敛。因此,能够反映用户行为特点的隐性反馈是目前特征挖掘的重点。