线上分享 | 如何让推荐系统效果更好?微信看一看团队为TF引入动态Embedding组件
推荐系统是机器学习的一大主要应用,旨在根据用户偏好推送相关内容,比如推荐电影餐厅、搭配时装首饰或筛选媒体信息流等。近年来,随着RNN等诸多深度学习(DL)组件和在线学习策略被引入推荐系统,DiFacto等特定的推荐系统框架逐渐无法满足用户需求。基于此,越来越多的算法工程师转向使用TensorFlow等开源的通用型框架提升生产效率。 在推荐系统领域,Embedding 已成为处理 ID 类稀疏特征的常用手段。作为一种「函数映射」,Embedding通常将高维稀疏特征映射为低维稠密向量,再进行模型端到端训练。2020年,谷歌推出了TensorFlow Recommenders (TFRS),这款开源的TensorFlow软件包可用于简化构建、评估和应用复杂的推荐模型。但TFRS的静态Embedding机制存在不支持动态特征、难以支持在线学习等弊端。 因此,今年4月,在综合工业界长期探索的基础上,TensorFlow 社区推出了TensorFlow Recommenders-Addons(TFRA)软件包,它集成了相关优秀成果,使TensorFlow能够以更原生、更高效的方式支持ID 类推荐模型的训练,完美解决了TF支持推荐场景的问题。TFRA具有两个独立组件,分别是Dynamic Embedding和Embedding Variable。前者是由腾讯微信看一看团队贡献的,该组件不改变算法工程师建模习惯,具有与原生TF更好的兼容性。 6月24日19:00-20:00,机器之心最新一期线上分享邀请到微信看一看团队成员戎海栋,介绍TFRA Dynamic Embedding组件的原理与应用。
分享主题:TFRA Dynamic Embedding组件的原理与应用
分享摘要:长期以来,主流深度学习框架对推荐类稀疏模型支持不够友好。今年 4月TensorFlow社区在综合工业界长期探索的基础上推出了TFRA组件库,它完美地解决了TF支持推荐场景的问题。微信看一看团队贡献的Dynamic Embedding组件对 TF侵入性小,且最大可能保持了与 TF的兼容性,目前已经落地腾讯内部多个主流业务以及多个社区合作伙伴,已产生了真实的商业价值,本次分享重点介绍该组件的原理和应用进展。 嘉宾介绍:戎海栋,2018年加入腾讯,目前服务于微信看一看团队,负责产品内算法平台的开发维护工作,主导公司级开源协同团队——云帆(深度学习框架和加速)Oteam 的技术管理工作,同时也是TensorFlow社区SIG Recommenders-Addons的主要发起人和维护者。
- GitHub项目地址:https://github.com/tensorflow/recommenders-addons
- Dynamic Embedding方案(RFC)链接:https://github.com/tensorflow/recommenders-addons/blob/master/rfcs/20200424-sparse-domain-isolation.md
直播间:https://jmq.h5.xeknow.com/s/186z8P
直播时间:北京时间6月24日19:00-20:00
加入机动组,一起看直播
「机动组」是机器之心人工智能技术社群,将持续提供技术公开课、论文分享、热门主题解读等线上线下活动,同时「机动组」也将不定期组织人才服务、产业技术对接等活动,欢迎所有 AI 领域技术从业者加入。 识别下方二维码,加入本次直播交流群。
如群已超出人数上限,请添加小助手syncedai5或syncedai6,备注「推荐」即可加入。 点击阅读原文,收藏直播间。
相关文章
- apicloud团队协作添加模块,千月、七彩均可使用
- 各大技术团队博客_如何扩大团队规模
- ChatGPT要怎么微调?MIT韩松团队新作告诉你!
- GPT-4背后的开发者:七大团队,三十余位华人
- 居家瘦导师团队为何如此强大?原来内部有不一样的考核机制!
- Win11开始菜单为何居中?微软设计团队做出解释
- Facebook AI团队让机器人行走适应各种环境和路面
- 新闻速读 > 内部报告称 CIA 的黑客团队未能确保自己的系统安全
- 20、有什么方法可以有效提升团队凝聚力吗?
- 4年时间,312支团队仅剩2个,三录仪XPRIZE挑战赛怎么样了?
- Linux驱动招聘,技术团队急需招聘掌握驱动开发技能的人才,机会难得,赶快加入我们!(linux驱动招聘)
- 加密货币用户都是白眼狼?研究团队建议向他们收取更高手续费
- David Patterson教授公开宣布加入谷歌TPU团队,好戏才刚刚开场
- NVIDIA在西雅图开设机器人研究实验室,欲聚集跨学科研究团队