为了解决点击率预测任务中现存的参数共享和计算耗费较高的问题，提出特征融合与分发的多专家并行推荐算法框架.利用该方法不仅可以提高并行架构对不同类型特征的分辨能力，学习表现力更强的特征输入，还能够在显式特征和隐式特征之间进行参数共享，缓和反向传播期间的梯度，提高模型的性能.该框架是轻量级而且与模型无关的，可以泛化应用在众多主流并行架构的推荐算法上.在3个公共数据集上的大量实验结果表明，利用该算法框架，能够有效地提高SOTA模型的性能.
科研之友
微信
新浪微博
Facebook
分享链接
