我正在开发一个实时推荐系统，使用深度学习技术（如广泛和深度学习、深度和跨网络等）向用户预测产品。产品目录可能很大（1000 到 100 万），对于给定的用户，需要针对每个产品实时评估模型。由于可扩展性是一个重要问题，有没有办法通过调整模型架构来降低服务时间复杂度？
降低实时推荐系统的服务时间复杂度
数据挖掘
机器学习
深度学习
推荐系统
时间复杂度
2022-03-10 13:54:30
1个回答
你写... the model needs to be evaluated against each product in real-time.的，这让我想到你在训练模型时使用了带有负采样的二元分类（最后一层中的 sigmoid）架构，用于用户/项目交互。
您是否考虑过使用多类分类？因此，对于用户来说，整个产品目录只预测一次，并从 softmax 层中选择前 k 个候选者。这样，您只需要在推理期间通过您的神经网络前馈一次。
其它你可能感兴趣的问题