本站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。
免责声明:本文为转载,非本网原创内容,不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
如有疑问请发送邮件至:goldenhorseconnect@gmail.com