· 2016
Geniş ve Derin Öğrenme, Öneri Sistemleri İçin Ezberleme ve Genelleştirmeyi Birleştiriyor
Wide & Deep Learning for Recommender Systems
- 3.369atıf
- 2016yıl
Kısa özet
Geniş doğrusal modelleri ve derin sinir ağlarını birleştiren hibrit bir model olan Geniş ve Derin öğrenme, ezberleme ve genelleştirmeden ortaklaşa yararlanarak Google Play'de uygulama edinmelerini önemli ölçüde artırdı.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Geniş ve Derin öğrenme, geniş doğrusal modelleri ve derin sinir ağlarını ortaklaşa eğitir.
- Geniş modeller, çapraz ürün özellik dönüşümleri yoluyla ezberlemede üstündür.
- Derin modeller, düşük boyutlu yoğun gömmeler öğrenerek genelleştirme sağlar.
- Hibrit yaklaşım, bir milyardan fazla aktif kullanıcıya sahip ticari bir mobil uygulama mağazası olan Google Play'de üretildi ve test edildi.
- Çevrimiçi deneyler, yalnızca geniş ve yalnızca derin modellere kıyasla uygulama edinmelerinde önemli artışlar gösterdi.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Generalized linear models with nonlinear feature transformations are widely used for large-scale regression and classification problems with sparse inputs. Memorization of feature interactions through a wide set of cross-product feature transformations are effective and interpretable, while generalization requires more feature engineering effort. With less feature engineering, deep neural networks can generalize better to unseen feature combinations through low-dimensional dense embeddings learned for the sparse features. However, deep neural networks with embeddings can over-generalize and recommend less relevant items when the user-item interactions are sparse and high-rank. In this paper, we present Wide & Deep learning---jointly trained wide linear models and deep neural networks---to combine the benefits of memorization and generalization for recommender systems. We productionized and evaluated the system on Google Play, a commercial mobile app store with over one billion active users and over one million apps. Online experiment results show that Wide & Deep significantly increased app acquisitions compared with wide-only and deep-only models. We have also open-sourced our implementation in TensorFlow.
Yazarların özeti; kaynağından alınmıştır., 2016 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Bilişim Sistemleri
Information SystemsComputer Science