前面讲的多目标模型主要是用于精排。
粗排:尽量减少推理的计算量,牺牲准确性确保线上推理的速度足够快。
精排模型和双塔模型
中间的神经网络被多个任务共享
因此,前期融合模型用于召回,后期融合可以作为精排。
小红书粗排的三塔模型
交叉特征是指用户特征和物品特征做交叉。训练粗排的方法就是正常的端到端训练,和精排完全一样。
这个模型介于前期融合和后期融合之间,前期融合式把用户特征等底层特征做concatenation,这里是对三个塔输出的向量做concatenation 。
前面讲的多目标模型主要是用于精排。
粗排:尽量减少推理的计算量,牺牲准确性确保线上推理的速度足够快。
中间的神经网络被多个任务共享
因此,前期融合模型用于召回,后期融合可以作为精排。
交叉特征是指用户特征和物品特征做交叉。训练粗排的方法就是正常的端到端训练,和精排完全一样。
这个模型介于前期融合和后期融合之间,前期融合式把用户特征等底层特征做concatenation,这里是对三个塔输出的向量做concatenation 。