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
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 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
2020-05-27 C++中的类型转换