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
在这样的制约因素下上线推荐系统,必然需要舍弃一些次要的要素,关注主要矛盾。一名成熟的工程师的思路应该是这样的: (1)
对于千万甚至更高量级的特征维度,理论上参数的数量级也在千万量级,线上服务是很难支持这种级别的数据量的,这就要求工程上关注模型的稀疏性,关注主要特征,舍弃大量次要特征,舍弃一定的模型预测准确度,提升线上预估的速度,减小工程资源消耗。
(2)增强模型的稀疏性的关键技术点有哪些?加入L1正则化项,采用FTRL等稀疏性强的训练方法。 (3)实现目标的技术途
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_006.html
EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382