您现在的位置是:Instagram刷粉絲, Ins買粉絲自助下單平台, Ins買贊網站可微信支付寶付款 >
01 youtube官網中文版介紹及就業前景論文2000字(Youtube DNN經典論文)
Instagram刷粉絲, Ins買粉絲自助下單平台, Ins買贊網站可微信支付寶付款2024-07-29 03:20:47【】4人已围观
简介YoutubeDNN經典論文最近在看王喆的知乎專欄,第三、四、十三篇都是Youtube的經典論文DNN:買粉絲s://zhuanlan.hu.買粉絲/p/52169807 買粉絲
Youtube DNN經典論文
最近在看王喆的知乎專欄,第三、四、十三篇都是Youtube的經典論文DNN:買粉絲s://zhuanlan.hu.買粉絲/p/52169807 買粉絲s://zhuanlan.hu.買粉絲/p/52504407 買粉絲s://zhuanlan.hu.買粉絲/p/61827629
跟著大佬又回顧了一下,發現之前真的只能算是一知半解,趁著這次把對這篇論文的新的理解記錄一下,可能還會有一些錯誤。
論文講解了在召回和精排兩個階段的模型:
召回:
先從特征說起:用戶觀看過的買粉絲的embedding,用戶搜索詞的embedding,用戶的地理位置、年齡等side_infomation,還有exampl_age這個需要解釋的特征
然后是模型:三層DNN
最后是training的loss:softmax做分類
serving的方式:nearest neighbor
里面其實有很多疑點:
1.example_age是什么
這個點專欄里說是訓練時間 - 得到這條樣本的時間(視頻點擊時間),但是我覺得這樣表達不出“新視頻”這個概念,也不知道用當前時間去減是啥意思,label是點擊那一刻打上去的,又不是訓練的時候;
所以我覺得這個example age應該是點擊時間-上架時間,表示用戶對新上架視頻的偏好,用這個特征去捕獲這個偏好了,在serve的時候全都置為0就可以消除這個偏好,畢竟這是召回階段,可以多召回些東西。(這樣就是消除用戶對新視頻的偏好了?)
2.為什么要做多分類,而不是預測分,多分類的話有海量視頻,性能怎么保證
為什么要做多分類,而不是把樣本的embedding也給到網絡里做打分,這一點我是真的沒弄明白;
海量視頻的多分類性能的提升是用到了sampled softmax,可以參考買粉絲://買粉絲.4k8k.xyz/article/Kaiyuan_sjtu/119881236 買粉絲s://zhuanlan.hu.買粉絲/p/349908071 總的來說就是通過Q(y|x)采樣出一個子集,對子集計算logits,然后用計算結果F(x,y)-log(Q(y|x))可以表示原數據集上的logits
3.serving階段為什么不做多分類了,而是做nearest neighbor
這里首先要弄明白serving階段的user embedding和買粉絲 embedding是什么,user_embedding是最后一層relu之后的結果,比如是一個d維的向量;然后要得到一個幾百萬維(用d_N表示)的向量,需要過一個d*d_N維的矩陣,這個矩陣的每一列訓練完之后就是買粉絲 embedding;如果是serving的階段依然是和每一列相乘,再算一個softmax,既然分母是一樣的,取指數的操作也是一樣的,那么就直接做點積就好了。
排序:
先從特征說起:當前排序的買粉絲的embedding,用戶觀看過的買粉絲的embedding,用戶和買粉絲的語言embedding,time since last watch是自上次觀看同channel視頻的時間,previous impressions是該視頻已經被曝光給該用戶的次數(這里已經引入了負反饋的思路)
然后是模型:三層DNN
最后是training的loss:weighted logistic
serving的方式:e^(Wx+b)
這里面也有一些疑點:
1.training時候的weighted logistic是什么,為什么serving的時候用的是e^(Wx+b)
這個點是我重讀的時候最沒理解的地方,先嘗試寫一下,這里首先要搞清楚weighted logitstic是什么,那先回顧一下LR的公式的由來是log(odds) = w*x;這里的odds=p/(1-p)表示正樣本發生的概率/負樣本發生的概率;在weighted LR里面這個odds要變成W*p/(1-p)這里的W就是給正樣本加的權重,至于為什么是這樣有一種解釋是用正負樣本比去解釋的,我覺得不是很合理 買粉絲s://zhuanlan.hu.買粉絲/p/435912211;但是如果能夠接受這個odds的話,那么log(odds) = w*x就可以得到odds = e^(wx),后者就是serving的目標;
再說W*p/(1-p)是什么,這里W權重是這條視頻的時長T,那么sum(Ti*pi)就是E(T)即時長的期望,E(T)/(1-p)泰勒展開就是E(T)*(1+p)這里的p很小的話其實就是E(T)也就是說serving的時候其實得到的就是觀看時長的期望,這里如果用到電商里用price去加權,得到的應該也是對price的預估。
很赞哦!(63)
相关文章
- 01 怎么在快手帶貨(快手怎么直播帶貨全流程指南)
- 02 論壇是社交媒體嗎(什么是BBS,BBS跟博客一個性質嗎``)
- 02 訊景7900gre海外版和藍寶石7900gre對比(明天去裝機,這個配置大家給個意見)
- 01 怎么在醫院買粉絲看查血報告單(買粉絲如何查醫院化驗單)
- 01 怎么在買粉絲里添加投票(怎么在買粉絲推文里加投票)
- 01 怎么在粉絲群里買衣服(在抖音里賣衣服怎么賣的)
- 02 訂閱頻道在線(誰知道哪有可以免費RSS訂閱的有趣網站(可以推薦一下)?)
- 02 諸暨宏欣貿易有限公司(誰知道浙江有哪些外資汽車零部件公司啊?)
- 02 貨交承運人三種貿易術語的比較(傳統的裝運港交貨的三種貿易術語與貨交承運人的三種貿易術語有什么異同點)
- 02 讀書交流會買粉絲文案(博覽群書有什么好處和弊端)
热门文章
站长推荐
01 怎么在粉絲團買東西給別人(抖音進粉絲群怎么買東西)
02 訂閱鏈接轉換器下載不(我有一個視頻的鏈接,請問如何把這個鏈接轉化成視頻下載到電腦上啊?)
01 怎么建立社交媒體賬號(我想在網絡的社交媒體做營銷,怎么注冊賬號?)
01 怎么復制別人買粉絲的視頻到自己買粉絲(怎么轉載買粉絲視頻)
02 貨物貿易進出口核查項下交易是什么(貿易收付匯核查系統中進口項下的收匯是什么意思?)
02 訂閱鏈接轉換工具英文版(電腦里常用的的英語有那些(漢語意思))
01 怎么在steam上取消wallpaper的訂閱(steam壁紙引擎怎么取消訂閱啊?)
02 訂閱鏈接轉換工具下載不了(下載鏈接能轉換嗎,比如說必須用迅雷下載的鏈接能轉換成買粉絲格式的嗎)