?頻表征?模型在歌曲冷啟中的應?與探索_第1頁
?頻表征?模型在歌曲冷啟中的應?與探索_第2頁
?頻表征?模型在歌曲冷啟中的應?與探索_第3頁
?頻表征?模型在歌曲冷啟中的應?與探索_第4頁
?頻表征?模型在歌曲冷啟中的應?與探索_第5頁
已閱讀5頁，還剩38頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

冷啟中的應?與探索DataFunSummit#202401問題與背景介紹02基于(Item,Item)共現數據微調03基于(User,Item)交互數據微調04總結與展望}歌曲投放鏈路 -歌曲推薦鏈路新冷內容冷啟問題?頻表征刻畫了通?的、豐富多元的?樂屬性?頻表征對推薦可能有哪些幫助《本草綱?》?頻表征在推薦系統落地的難點《本草綱?》《富??下》《富??下》根據微調的數據可以分成:注:?樂內容信息?常豐富,較?維度的表基于內容的分類:標簽化處理流派分類基于內容本?處理,與?戶?為?關純?聲純器樂?聲+伴奏其他旋律性?聲?旋律?聲聲學樂器搖滾?旋律?樂旋律?樂?伴奏合唱鄉(xiāng)村先鋒?樂…獨唱………打擊樂……02基于(Item,Item)共現數據微調03基于(User,Item)交互數據微調04總結與展望2.1如何融?I2I共現信號-MPE表征使?推薦?戶?為?志的共現歌曲作為監(jiān)督信號降維映射Resnet34n模型輸出效果:投放I2I2U鏈路2.2.2MPE表征的應?(2)-推薦召回全民K歌「AI歌聲」推薦全民K歌「AI歌聲」推薦「?動播放」推薦2.3如何對齊IDEmbed-MP…原因:表征空間不—致問題2.4.1MPE相似IDs的應?(1)-投放U2I匹配擴展投放匹配模型的歌曲側特征征擴展征擴展實時?戶擴展其它:2.4.2MPE相似IDs的應?(2)-長尾推薦 n每?30?:時長+0.06%收藏+0.67%02基于(Item,Item)共現數據微調03基于(User,Item)交互數據微調04總結與展望U2I交互數據微調范式…表征映射EncoderU2I交互數據微調范式…表征映射EncoderI2I共現數據微調范式I2I共現數據微調范式表征映射Encodern樣本量級相對?些n依賴數據集構造的質量n樣本量更?,User側也包含各種?為序列(約2~3個數量級)n更兼容現有推薦模型的訓練模式n需要更側重于如何?效訓練3.2如何融?U2I交互信號導??維?頻表征,基于?規(guī)模U2I交互數據學習映射表征映射Encoder表征映射Encoder3.3如何使?Encoder表征實驗:優(yōu)點:結論:-0.05pp3.4模型更新流程Baseline模型Baseline模型全量的?維新增的?維0)時初始化02基于(Item,Item)共現數據微調03基于(User,Item)交互數據微調04總結與展望4.2其他4.1總結與規(guī)劃介紹了—些在?樂推薦冷啟問題上,可快速落地?頻表征的通?解決?案

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論