← 返回刚才阅读的位置

知识卡片

操作参考卡 · 9910.i · 生成模型:Hunyuan

Embedding特征驱动实时排序

理解等级:中级

Airbnb并未把Embedding相似度直接当作搜索结果,而是用Embedding生成一组用户房源配对特征,再输入排序模型得到最终结果。其中EmbClickSim、EmbLastLongClickSim等“最近点击房源相似度”特征,使浏览点击过程中用户能实时得到反馈,搜索结果随之实时变化——这就是所谓“实时”的真正落点。UserTypeListingTypeSim则来自长期兴趣Embedding,承载用户长期偏好。最终这些特征与其他特征一起送入支持Pairwise LambdaRank的GBDT排序模型。启示是Embedding更适合作为排序特征而非最终排序本身,实时性往往来自对即时行为特征的快速更新。

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

    参考来源

    - 位置:《深度学习推荐系统》第8章 深度学习推荐系统的前沿实践(源文件:extracted/深度学习推荐系统/_epub-src/text/part0012_split_002.html) - 结论依据:原文强调Airbnb没有直接用相似度排名,而是构造Embedding配对特征输入GBDT排序模型,并指出EmbClickSim等特征带来实时反馈。 - 原始内容:Airbnb并没有直接把Embedding相似度排名当作搜索结果,而是基于Embedding得到了不同的用户房源相关特征(user-listing pair feature),然后输入搜索排序模型,得到最终的排序结果。