我们正处于一个信息大暴发的时代,每天都能产生数以百万计的新闻资讯!
虽然有大数据推荐,但面对海量数据,通过我们的调研发现,在一个小时的时间里,您通常无法真正有效地获取您感兴趣的资讯!
头条新闻资讯订阅,旨在帮助您收集感兴趣的资讯内容,并且在第一时间通知到您。可以有效节约您获取资讯的时间,避免错过一些关键信息。
快科技4月3日消息,近日,百度团队在arXiv上发表论文,介绍了一种名为COBRA的新算法框架,被应用于提升生成式模型在广告推荐系统中的使用效果。
根据论文介绍,工程师将COBRA框架应用于真实环境中的A/B测试,结果显示转化率提升了3.6%,平均每用户收入(ARPU)增加了4.15%。
目前,该框架已经应用于百度的广告推荐业务中。
COBRA框架融合了生成式和密集检索的技术,通过稀疏ID和稠密向量的结合,提供更全面的目标对象特征。
稀疏ID负责提供稳定的类别基础信息,而稠密向量则确保模型能够捕获高级语义和细粒度细节,这种端到端的训练方法可以更好地捕获用户意图和协同信息。
在技术实现上,百度团队采用了“残差量化变分自编码器(RQ-VAE)”技术,综合了残差学习、量化技术和变分自编码器三种方法。
这一技术可以减少信息损失、提高模型的泛化能力,并通过优化模型参数,改善重构效果。
实测效果表明,COBRA框架在利用公开数据集(如Amazon Product Reviews)和工业数据集(如百度工业数据集)进行离线和在线评估后,均优于目前业内最先进的方法。
【本文结束】如需转载请务必注明出处:快科技
责任编辑:黑白
文章内容举报
以上内容为资讯信息快照,由td.fyun.cc爬虫进行采集并收录,本站未对信息做任何修改,信息内容不代表本站立场。
快照生成时间:2025-04-03 23:45:05
本站信息快照查询为非营利公共服务,如有侵权请联系我们进行删除。
信息原文地址: