推荐模型扩展时的嵌入器溃缩问题研究

💡 原文中文,约400字,阅读约需1分钟。
📝

内容提要

该文介绍了一种名为MLET的技术,通过跨类别学习训练嵌入层的分解来产生优越嵌入。在多个点击率预测任务的推荐模型上进行测试时,MLET始终产生更好的模型,特别是对于罕见的项目。MLET允许模型的嵌入维度和模型大小分别减少高达16倍和平均减少5.8倍。

🏷️

标签

➡️

继续阅读