引導式測驗 · 中等 等級
兩塔推薦模型問答
透過可擴展的檢索追蹤單獨的使用者和項目編碼器,並確定與候選召回和下游排名的權衡。
問題 1 的 8
在標準的兩塔推薦器中,每個塔會產生什麼?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 在標準的兩塔推薦器中,每個塔會產生什麼?
- 查詢/使用者或候選項目的向量表示
- 所有使用者和項目的共享標籤
- 直接因果效應估計
- 每個目錄項目的有序列表
- 為什麼可以預先計算項目嵌入?
- 每個用戶都有相同的偏好
- 項目塔可以獨立於目前使用者對候選進行編碼
- 此模型沒有項目特徵
- 項目標籤是預先知道的
- 哪一種操作通常會從嵌入中檢索候選者?
- 樹狀圖切割
- 整個目錄中每個項目的完整交叉編碼器
- 最近鄰或最大內積搜索
- 殘差 Q-Q 圖
- 為什麼候選人回憶排名前很重要?
- 它使目錄有限
- 高召回率保證了校準機率
- 它取代了所有特徵預處理
- 排名者無法選擇檢索到的集合中缺少的項目
- 哪些互動是獨立編碼的塔難以直接表示的?
- 他們無法使用使用者功能
- 他們無法在檢索時直接計算任意對特定的特徵
- 他們要求每件物品都有標籤
- 他們只支持一名候選人
- 樣本負數在訓練和評估過程中會產生什麼影響?
- 商品目錄的發布日期
- 僅用戶向量的維數
- 學習到的歧視任務以及離線指標的真實性
- 塔的數量
- 高點積分數可以安全地解釋為什麼?
- 證明該商品符合條件
- 校準的滿意機率
- 顯示該項目的因果效應
- 用於檢索的模型相似度評分
- 為什麼版本項目索引和塔預處理一起進行?
- 不匹配的嵌入或轉換可能會使相似性比較無效
- 否則該指數將成為監督目標
- 它將負樣本設為零
- 它將模型更改為單塔