shared bottom 表示神经网络被所有特征共享。精排模型主要开销在神经网络,神经网络很大且很复杂。
每做一次推荐,用户塔只做一次推理。物品塔存放入向量数据库。
后期融合模型常用于召回,前期融合模型常用于精排。
物品塔短时间内比较稳定,不需要去不断更新。
物品塔缓存命中率极高,99% 物品的向量都有缓存,交叉塔反映的是动态的特征,必须做 n n n 次推理。
shared bottom 表示神经网络被所有特征共享。精排模型主要开销在神经网络,神经网络很大且很复杂。
每做一次推荐,用户塔只做一次推理。物品塔存放入向量数据库。
后期融合模型常用于召回,前期融合模型常用于精排。
物品塔短时间内比较稳定,不需要去不断更新。
物品塔缓存命中率极高,99% 物品的向量都有缓存,交叉塔反映的是动态的特征,必须做 n n n 次推理。
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.pswp.cn/pingmian/83014.shtml
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!