BriefGPT.xyz
Ask
alpha
关键词
online performance
搜索结果 - 4
KDD
为推荐系统构建离线评估的时序和无偏倚的流行度离线指标
我们的研究目的是调查和比较离线评估指标的在线表现。我们表明，在评估过程中对热门商品进行惩罚，并考虑交易时间能够显著提高我们选择最佳推荐模型的能力。我们的结果经过五个大规模真实推荐数据的平均处理，旨在帮助学术界更好地理解离线评估和更贴近推荐系
→
PDF
a year ago
ACL
关于在来自非分布数据流中对模型进行持续细化
该研究提出了一种新的持续学习问题形式 —— 持续模型优化，以更好地适用于动态的离散数据流，并进行了相关的评估和分析，以提高生产部署的自然语言处理模型的长期性能。
PDF
2 years ago
离线指标能否预测推荐系统的在线性能？
通过在六个受控的模拟环境中对 11 个推荐系统进行评估，研究离线度量是否能够预测在线性能，在观察到离线度量在一定范围内与在线性能相关的同时，还发现离线性能的提高会导致在线性能的收益递减，同时观察到推荐系统的排名取决于初始离线数据量以及探索策
→
PDF
4 years ago
MM
RecoGym：在线广告推荐问题的强化学习环境
介绍了 RecoGym，一个基于强化学习的环境，旨在解决基于历史数据的监督学习建模在在线实践应用中缺乏表现优异的问题。通过模拟用户与产品之间的交互信息，有效地提高了推荐系统的实时性和准确性。
PDF
6 years ago
Prev
Next