阿里重排论文PRM 《Personalized Re-ranking for Recommendation》

和DLCM做法类似,都是使用序列模型对rank后的结构做rerank,不同点是PRM使用了transform encoder来建模,并且使用了用户预训练向量和位置向量

最后一层使用了softmax来计算每个item被点击的概率(论文提到使用click作为label,也就是所存在多个label为1的情况,不知道有没有做什么特殊处理),并采用了交叉熵损失

 

参考资料

https://zhuanlan.zhihu.com/p/382349636

https://zhuanlan.zhihu.com/p/79182904?from_voters_page=true

posted @   xd_xumaomao  阅读(253)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· winform 绘制太阳,地球,月球 运作规律
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· AI与.NET技术实操系列(五):向量存储与相似性搜索在 .NET 中的实现
· 超详细:普通电脑也行Windows部署deepseek R1训练数据并当服务器共享给他人
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
历史上的今天:
2020-05-27 C++中的类型转换
点击右上角即可分享
微信分享提示