|
|||||
|
|
| 特征融合与分发的多专家并行推荐算法框架 | |
| 引用本文： | 杨哲,葛洪伟,李婷.特征融合与分发的多专家并行推荐算法框架[J].浙江大学学报(自然科学版 ),2023(7):1317-1325. |
| 作者姓名： | 杨哲 葛洪伟 李婷 |
| 作者单位： | 1. 江南大学人工智能与计算机学院;2. 江苏省模式识别与计算智能工程实验室 |
| 基金项目： | 国家自然科学基金资助项目(61806006)；;111引智计划资助项目(B12018)； |
| 摘 要： | 为了解决点击率预测任务中现存的参数共享和计算耗费较高的问题，提出特征融合与分发的多专家并行推荐算法框架.利用该方法不仅可以提高并行架构对不同类型特征的分辨能力，学习表现力更强的特征输入，还能够在显式特征和隐式特征之间进行参数共享，缓和反向传播期间的梯度，提高模型的性能.该框架是轻量级而且与模型无关的，可以泛化应用在众多主流并行架构的推荐算法上.在3个公共数据集上的大量实验结果表明，利用该算法框架，能够有效地提高SOTA模型的性能. |
| 关 键 词： | 推荐系统 点击率预测 深度学习 多专家模型 |