基于深度学习的快速在线“最优下一步推荐”
机器学习
2019-06-03 v1 分布式、并行与集群计算
性能
机器学习
摘要
在本文中，我们提出 iPrescribe，一种可扩展的低延迟架构，用于在线场景下推荐“最优下一步推荐（next-best-offers）”。本文介绍了 iPrescribe 的设计，并比较了使用不同实时流处理技术栈实现时的性能。iPrescribe 使用深度学习与机器学习算法的集成来进行预测。我们描述了可扩展的实时流处理技术栈与优化的机器学习实现，以实现第 90 百分位推荐延迟为 38 毫秒。优化包括一种高效部署循环长短期记忆（LSTM）深度学习网络的新机制。
引用
@article{arxiv.1905.13368,
title = {Fast Online "Next Best Offers" using Deep Learning},
author = {Rekha Singhal and Gautam Shroff and Mukund Kumar and Sharod Roy and Sanket Kadarkar and Rupinder virk and Siddharth Verma and Vartika Tiwari},
journal= {arXiv preprint arXiv:1905.13368},
year = {2019}
}
备注
7 Pages, Accepted in COMAD-CODS 2019