带你读《2022技术人的百宝黑皮书》——生成式重排在内容推荐中的应用实践(5)

简介: 带你读《2022技术人的百宝黑皮书》——生成式重排在内容推荐中的应用实践(5)

带你读《2022技术人的百宝黑皮书》——生成式重排在内容推荐中的应用实践(4) https://developer.aliyun.com/article/1246841?groupCode=taobaotech



上下文感知的评估模型


image.png


上下文感知的评估模型的整体结构示意图如上,每个模块的功能如下:


Input


模型的输入包括用户侧特征图片和一个长度为n的候选列表,列表内第i个位置对应的内容特征为 。内容侧特征由内容的属性特征,历史曝光点击特征以及上游的精排模型效率分等构成。


Context-Aware Encoder


对于序列内第i个位置的内容image.png ,使用context-aware encoder获得其在列表内前后内容相互影响下的表示向量image.png ,context-aware encoder 可以是任意具有上下文感知能力的结构,如LSTM,Self Attention等。

image.png


Shared Task Net


Shared Task Net以用户侧特征image.png ,内容特征 image.png以及内容经过context-aware encoder得到表示向量 image.png作为输入,根据具体的任务目标可以使用不同的模型结构,我们对线上精排模型使用的MMoE结构进行了简化作为Shared Task Net,不同位置的内容共享相同的网络参数。


image.png


Output


模型最终会输出列表内每个内容的效率分image.pngimage.png。训练阶段以线上真实的曝光点击数据作为label采用交叉熵损失函数进行参数优化。


序列整体价值评估


序列的整体价值表示为:


image.png


最终选取SequenceValue最高的列表展现给用户。



带你读《2022技术人的百宝黑皮书》——生成式重排在内容推荐中的应用实践(6) https://developer.aliyun.com/article/1246839?groupCode=taobaotech

相关文章
|
设计模式 Java
好好的“代码优化”是怎么一步步变成“过度设计”的(上)
好好的“代码优化”是怎么一步步变成“过度设计”的(上)
472 4
|
并行计算 异构计算
下载和安装CUDA和Cudnn(图文详解)
下载和安装CUDA和Cudnn(图文详解)
1599 0
下载和安装CUDA和Cudnn(图文详解)
|
11月前
|
API 数据处理 Python
探秘Python并发新世界:asyncio库,让你的代码并发更优雅!
在Python编程中,随着网络应用和数据处理需求的增长,并发编程变得愈发重要。asyncio库作为Python 3.4及以上版本的标准库,以其简洁的API和强大的异步编程能力,成为提升性能和优化资源利用的关键工具。本文介绍了asyncio的基本概念、异步函数的定义与使用、并发控制和资源管理等核心功能,通过具体示例展示了如何高效地编写并发代码。
319 2
|
机器学习/深度学习 算法 搜索推荐
带你读《2022技术人的百宝黑皮书》——生成式重排在内容推荐中的应用实践(2)
带你读《2022技术人的百宝黑皮书》——生成式重排在内容推荐中的应用实践(2)
254 0
带你读《2022技术人的百宝黑皮书》——生成式重排在内容推荐中的应用实践(2)
|
存储
数组与链表有什么区别
数组与链表有什么区别
433 1
|
人工智能 自然语言处理 IDE
《AIGC+软件开发新范式》--01.当「软件研发」遇上 AI 大模型(2)
在AI 热度持续上升的当下,阿里云推出AI智能编码助手—通义灵码。通义灵码是一款基于阿里云通义代码大模型打造的智能编码助手,基于海量优秀开源代数据集和编程教科书训练,为开发者带来高效、流畅的编码体验。
340 1
|
算法 搜索推荐
带你读《2022技术人的百宝黑皮书》——生成式重排在内容推荐中的应用实践(3)
带你读《2022技术人的百宝黑皮书》——生成式重排在内容推荐中的应用实践(3)
254 0
|
机器学习/深度学习 存储 算法
Faiss为啥这么快?原来是量化器在做怪!1
Faiss为啥这么快?原来是量化器在做怪!
954 0
|
存储 数据采集 消息中间件
初探分布式链路追踪(上)
初探分布式链路追踪(上)
342 2
|
开发者
迭代器(Iterator)遍历的两种方法(for和while)
迭代器(Iterator)遍历的两种方法(for和while)
196 0