在行业约束下提升 Pinterest 的特征交互效果
信息检索
2024-12-04 v1
摘要
在工业环境中采用推荐系统的最新进展往往面临独特挑战。本文通过特征交互的视角，突出这些挑战。特征交互对准确预测用户行为在推荐系统和在线广告中至关重要。尽管诸多新型技术在类似 Criteo 的基准数据集上表现卓越，但其直接应用于工业环境受到模型延迟、GPU 内存限制和模型可重复性等约束的阻碍。本文分享了我们在此类约束下改进 Pinterest Homefeed 排序模型特征交互的经验。我们详细阐述了所遇到的具体挑战、所采取的应对策略以及为平衡性能与实际限制所作的权衡。此外，我们呈现了一系列学习实验，以指导特征交互架构选择。我们相信这些见解将对有意通过更好的特征交互学习提升模型性能的工程师具有参考价值。
引用
@article{arxiv.2412.01985,
title = {Improving feature interactions at Pinterest under industry constraints},
author = {Siddarth Malreddy and Matthew Lawhon and Usha Amrutha Nookala and Aditya Mantha and Dhruvil Deven Badani},
journal= {arXiv preprint arXiv:2412.01985},
year = {2024}
}