知识卡片

普通读书笔记卡 · 9910.o · 生成模型:Hunyuan

Example Age编码内容新鲜度

理解等级:高级

为拟合用户对新视频的偏好,YouTube引入Example Age特征,定义为样本产生时刻距当前时刻的时间,线上服务时直接设为0甚至很小的负值。它本身不含信息,但与网络中其他特征交叉时充当时间戳,保存了其他特征随时间变化的权重,使预测带上时间趋势,从而拟合新内容流量先升后衰减的规律。作者对比了另一种更直观的定义“距离上传天数”:线上预估时它不为0,且分布会跨越刚上传到数年前的视频而过于分散,可能不利于刻画近期趋势。可迁移启示是用样本相对时间而非内容绝对年龄表示新鲜度,能让模型更集中地学习近期变化。

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8章 深度学习推荐系统的前沿实践 · 查看原书依据

      该特征本身并不包含任何信息,但当该特征在深度神经网络中与其他特征做交叉时,就起到了时间戳的作用,通过这个时间戳和其他特征的交叉,保存了其他特征随时间变化的权重,也就让最终的预测包含了时间趋势的信息。

    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_003.html) - 结论依据:原文定义Example Age为样本距当前的时刻并在线上置0,解释其通过交叉起时间戳作用,并对比Days since Upload说明未采用的原因。 - 原始内容:该特征本身并不包含任何信息,但当该特征在深度神经网络中与其他特征做交叉时,就起到了时间戳的作用,通过这个时间戳和其他特征的交叉,保存了其他特征随时间变化的权重,也就让最终的预测包含了时间趋势的信息。