冷热净:解决推荐系统中的冷启动用户问题
原文中文,约400字,阅读约需1分钟。发表于: 。我们提出了基于专家模型的冷启动与热身网络,专家模型分别负责冷启动和热身用户建模,门控网络用于整合两个专家的结果,引入动态知识蒸馏作为教师选择器,以帮助专家更好地学习用户表示,通过综合的互信息选择与用户行为高度相关的特征用于显式建模用户行为偏差,最终在公共数据集上评估了我们的冷启动与热身网络,在匹配阶段常用模型的比较中表现优异,对于所有用户类型,我们的模型胜过其他模型,还将该模型应用于一个工业...
该研究提出了一种基于专家模型的冷启动与热身网络,通过门控网络整合两个专家的结果,并引入动态知识蒸馏作为教师选择器,以帮助专家更好地学习用户表示。该模型在公共数据集上表现优异,对于所有用户类型都胜过其他模型,并在一个工业级短视频平台上实现了显著的增加。