Google Wide & Deep深度学习推荐系统

随着深度学习技术不断发展,个性化推荐系统也不断发展,Google 2016年发布在Google Play(拥有超过10亿活跃用户和超过100万应用程序的商业移动应用商店)上应用的推荐系统。在线实验结果表明,与纯宽模型和纯深模型相比,纯宽模型和纯深模型结合显著增加了应用程序的购买量。Google还在TensorFlow中开放源代码实现。

具有非线性特征变换的广义线性模型(纯宽模型)被广泛应用于具有稀疏输入的大规模回归和分类问题。通过一系列跨产品特征转换记忆有限元交互是有效和可解释的,而生成需要更多的特征工程工作。

利用较少的特征工程(纯深模型),深度神经网络可以通过为稀疏特征学习的低维密集嵌入将推广到看不见的特征组合。Google实践发现当用户交互特征项稀疏且数据量很大时,嵌入深度神经网络可能过度概括和推荐不太相关的项。

Wide & Deep算法目前已广泛应用于各大互联网公司阿里、腾讯等内容推荐、商品个性化推荐应用场景。小工蚁利用该算法帮助传统企业建立自己的商品特征和用户特征模型,结合具体应用场景实现更精准的个性化推荐。

 

Wide-Deep-Learning-for-Recommender-Systems01
Wide-Deep-Learning-for-Recommender-Systems02
Wide-Deep-Learning-for-Recommender-Systems03
Wide-Deep-Learning-for-Recommender-Systems04

推荐文章

沪公网安备 31010702002009号