面向个性化与推荐系统的深度学习推荐模型
信息检索
2019-06-04 v1 机器学习
摘要
随着深度学习的出现，基于神经网络的推荐模型已成为应对个性化和推荐任务的重要工具。这些网络与其他深度学习网络显著不同，因其需要处理类别特征，且未被充分研究或理解。在本文中，我们开发了最先进的深度学习推荐模型（DLRM），并提供了其在 PyTorch 和 Caffe2 框架下的实现。此外，我们设计了一种专门的并行化方案，利用嵌入表上的模型并行来缓解内存限制，同时利用数据并行来扩展全连接层的计算。我们将 DLRM 与现有推荐模型进行比较，并刻画其在 Big Basin AI 平台上的性能，展示了其作为未来算法实验与系统协同设计基准的实用性。
引用
@article{arxiv.1906.00091,
title = {Deep Learning Recommendation Model for Personalization and Recommendation Systems},
author = {Maxim Naumov and Dheevatsa Mudigere and Hao-Jun Michael Shi and Jianyu Huang and Narayanan Sundaraman and Jongsoo Park and Xiaodong Wang and Udit Gupta and Carole-Jean Wu and Alisson G. Azzolini and Dmytro Dzhulgakov and Andrey Mallevich and Ilia Cherniavskii and Yinghai Lu and Raghuraman Krishnamoorthi and Ansha Yu and Volodymyr Kondratenko and Stephanie Pereira and Xianjie Chen and Wenlin Chen and Vijay Rao and Bill Jia and Liang Xiong and Misha Smelyanskiy},
journal= {arXiv preprint arXiv:1906.00091},
year = {2019}
}
备注
10 pages, 6 figures