详细内容或原文请订阅后点击阅览
将推荐变压器扩展到十亿个参数
如何实现新一代 Transformer 推荐器将 Recommender Transformers 扩展至十亿个参数后首次出现在 Towards Data Science 上。
来源:走向数据科学！我叫 Kirill Khrylchenko，领导 Yandex 的 RecSys 研发团队。我们的目标之一是在推荐系统的背景下开发变压器技术，这是我们五年来一直追求的目标。不久前，我们在推荐技术的发展上达到了一个新的里程碑，我想在这篇文章中与大家分享。
推荐系统在世界上的相关性很容易证明：内容量增长得令人难以置信，以至于无法完整查看，我们需要推荐系统来解决信息过载的问题。音乐、电影、书籍、产品、视频、帖子、朋友，但重要的是要记住，这些服务不仅有利于用户，也有利于需要找到目标受众的内容创作者。
我们已在多项服务中部署了新一代 Transformer 推荐器，并正在积极将其与其他服务集成。我们全面显着提高了建议的质量。
如果您是一名负责推荐工作的 ML 工程师，本文将为您提供一些关于如何为推荐系统实施类似方法的想法。如果您是用户，您就有机会了解更多有关推荐系统如何工作的信息。
推荐系统如何工作
推荐问题本身有一个简单的数学定义：对于每个用户
我们想要选择项目、对象、文档或产品
。
但有一个问题：
- 物品目录非常庞大（多达数十亿个物品）。用户数量庞大，而且他们的兴趣在不断变化。用户和物品之间的交互非常稀疏。目前尚不清楚如何定义实际的用户偏好。