Modelos de dos torres para búsqueda y recomendación: recuperación rápida con precálculo y entrenamiento mediante la elección de respuestas incorrectas(zenn.dev)
Idioma del texto: coreanoVer en el idioma original
Resumen sencillo
- Un modelo de dos torres tiene una red neuronal que lee la consulta o la información del usuario y otra que lee los elementos que se buscan. Multiplica los conjuntos de números (vectores) que produce cada una para puntuar cuánto coinciden. Los elementos con mayor puntuación se muestran primero.
- Los vectores del lado de los elementos se pueden calcular y guardar de antemano, así que al buscar solo hay que calcular el lado de la consulta. El autor explica que esto resulta eficiente para buscar entre un gran número de candidatos.
- En el entrenamiento, otros elementos correctos del mismo lote se reutilizan como respuestas incorrectas (negativos). El sesgo por el que los elementos populares se usan en exceso como negativos se corrige con su probabilidad de aparición (artículo de Yi et al.), y los elementos que no aparecen en los registros se complementan con negativos aleatorios (artículo de Yang et al.).
- Sobre el método de usar negativos confusos (hard negatives), el artículo de búsqueda de Facebook (Huang et al.) informó de que la exhaustividad (recall) fue mejor al usar los candidatos del puesto 101 al 500. En el despliegue, la búsqueda aproximada aumenta la velocidad, pero puede pasar por alto algunos candidatos.
Encontrado en
Zenn ↗ / Publicado por la fuente
¿Te ha pasado algo parecido? Cuéntanos en una o dos líneas qué hiciste. No hace falta conocer el producto.