原书出处
深度学习推荐系统
06 第6章 深度学习推荐系统的工程实现
。 由于以上优缺点的存在,直接存储推荐结果的方式往往只适用于用户规模较小,或者一些冷启动、热门榜单等特殊的应用场景中。
直接预计算并存储用户和物品的Embedding是另一种线上“以存代算”的方式。相比直接存储推荐结果,存储Embedding的方式大大减少了存储量,线上也仅需做内积或余弦相似度运算就可以得到最终推荐结果,是业界经常采用的模型上线手段。
这种方式同样无法支持线上场景特征的引入,并且无法进行复杂模型结构的线上推断,表达能力受限,因此对于复杂模型,还需要从模
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深度学习推荐系统/_epub-src/text/part0010_split_005.html
EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382