知识卡片
从用户观察出发改进模型
推荐模型结构不是构建好系统的银弹,真正的银弹是对用户行为与应用场景的观察,并据此改进最能表达这些观察的结构。Netflix发现海报预览图比排序更影响点击率,用A/B测试验证后按用户喜好动态生成个性化海报,仅用线性探索与利用模型就获得10%量级CTR提升。Roku工程师观察到用户向右滑动浏览某类型影片的动作隐含兴趣信号,把它引入用户兴趣向量以缓解数据稀疏。DIN的注意力门控同样源于只有与候选物品相关的历史行为才有用这一业务观察,注意力机制只是恰好契合该动机的技术表达。反例是先验地验证某个新技术是否有效,这会把工作量投向猜测而非问题。启发是:先发现新信息源,再考虑模型结构,新水源往往收益更高、开拓难度更小。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
换句话说,推荐模型的结构不是构建一个好的推荐系统的“银弹”,真正的“银弹”是你对用户行为和应用场景的观察,基于这些观察,改进出最能表达这些观察的模型结构。
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_005.html)
- 结论依据:原文用Netflix海报、Roku滑动与DIN注意力三个案例支撑从用户观察出发的论点。
- 原始内容:换句话说,推荐模型的结构不是构建一个好的推荐系统的“银弹”,真正的“银弹”是你对用户行为和应用场景的观察,基于这些观察,改进出最能表达这些观察的模型结构。