【Whalepaper第26期】推荐算法分享:Learning to Embed Categorical Features

296未经授权,禁止转载
机器学习算法CV深度学习哈希函数特征嵌入推荐系统神经网络类别特征动态特征处理编码与解码信息量最大化均匀分布与高斯分布转换
本文介绍了一种由谷歌在KDD2021上发表的深度哈希嵌入方法(DHE),旨在改进推荐系统中类别特征的处理方式。传统推荐系统通常使用矩阵分解等技术来处理类别特征,如用户ID或商品ID,但这种方法存在存储量大、难以适应新特征以及长尾分布等问题。DHE通过哈希函数和神经网络替代传统嵌入,解决了内存瓶颈和动态特征处理的挑战,同时尝试减少哈希冲突并提高特征嵌入的质量。该方法适用于需要处理大规模类别特征并追求高推荐系统性能的技术人群。
讨论{{interaction.discussNum ? '(' + interaction.discussNum + ')' : ''}}
ad
发布
头像

{{ item.user.nick_name }} {{ EROLE_NAME[item.user.identity] }}

置顶笔记
讨论图
{{ item.create_time }}回复
  • 删除

    是否确认删除?

    确认
    取消
  • {{ item.is_top == 1 ? '取消置顶' : '置顶'}}

    已有置顶的讨论,是否替换已有的置顶?

    确认
    取消
{{ tag.text}}
头像
{{ subitem.user.nick_name }}{{ EROLE_NAME[subitem.user.identity] }}
{{ subitem.create_time }}回复
删除

是否确认删除?

确认
取消
发布
{{pageType === 'video' ? '讨论区抢占沙发,可获得双倍学分' :'讨论区空空如也,你来讲两句~'}}
发布
{{tips.text}}
{{ noteHeaderTitle }} 笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}
{{ hasMyNote ? '我的笔记' : '记笔记' }}
优质笔记
更新于:{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}
头像
{{ detail.username }}

公开笔记对他人可见,有机会被管理员评为“优质笔记”

{{ noteEditor.content.length }}/2000

公开笔记
保存
讲师头像
Datawhale
Datawhale 是一个专注于数据科学与 AI 领域的开源组织,汇集了众多领域院校和知名企业的优秀学习者,聚合了一群有开源精神和探索精神的团队成员。Datawhale 以「for the learner,和学习者一起成长」为使命,鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。同时 Datawhale 用开源的理念去探索开源内容、开源学习和开源方案,赋能人才培养,助力人才成长,建立起人与人、人与知识、人与企业和人与未来的联结。
TA的视频
接下来播放:
自动连播