典型文献
基于HashNet的深度学习推荐系统嵌入表压缩方法
文献摘要：
如何将用户感兴趣的信息进行精准推送是一项重要的研究课题.目前的通用方法是将类别信息训练为稠密的矩阵形式,这种矩阵也被称为嵌入表(embedding table),这些嵌入表通常会占据极高的内存空间,导致模型的可拓展性大幅降低.为解决这一问题,提出了HashNet Embedding(HN embedding)方法,通过矩阵单元共享的方式,对嵌入表进行压缩.在Criteo数据集上的实验表明,HN embedding方法可以在几乎没有性能损耗的情况下,将嵌入表内存压缩为312.
文献关键词：
推荐系统;点击率预测;深度学习;嵌入表;内存压缩
中图分类号：
作者姓名：
潘志安
作者机构：
湖北职业技术学院 信息工程学院,湖北 孝感 432000
文献出处：
引用格式：
[1]潘志安-.基于HashNet的深度学习推荐系统嵌入表压缩方法)[J].湖北职业技术学院学报,2022(04):95-100
A类：
HashNet
B类：
推荐系统,嵌入表,压缩方法,感兴趣,精准推送,研究课题,通用方法,类别信息,稠密,矩阵形式,embedding,table,内存空间,可拓,拓展性,Embedding,HN,阵单元,Criteo,有性,内存压缩,点击率预测
AB值：
0.426543
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
