• 导航

更懂你了,DeepMind显著改进Google

11月20日音讯,据国外媒体报道,据谷歌称,Alphabet旗下子公司DeepMind开发的人工智能和机器学习模型架构现已极大地改进了Google Play使用商铺的发现体系。

在今日的一篇博文中,DeepMind具体介绍了该项旨在支撑Google Play引荐引擎的协作。这个使用商铺每月活泼用户量超越20亿。DeepMind宣称,使用程序引荐现在现已变得比过去愈加个性化。

谷歌的讲话人在电子邮件中称,该新体系已于本年布置到位。

值得一提的是,这并不是DeepMind团队第一次为谷歌的Android事务奉献自己的专业技能。该总部坐落英国的子公司曾开发机载学习体系来进步Android的电池功能,它的WaveNet体系也被用来生成语音,供给给Google Assistant语音帮手用户。最新的协作则充分体现了DeepMind与谷歌旗下项目之间的严密联系。DeepMind于2014年1月被谷歌斥资4亿美元收归门下。

正如DeepMind所解说的那样,Play Store的引荐体系包括三个首要的模型:一个候选生成器、一个从头排序器和一个用于优化多个方针的AI模型。候选生成器可以剖析100多万个使用,并检索出傍边最合适的使用,而从头排序器则从“多个”维度猜测用户的偏好。那些猜测为上述优化模型供给输入,其处理方案为用户供给最合适的候选使用。

▲由DeepMind规划的谷歌Play Store引荐体系的示意图

为了寻求杰出的引荐结构,DeepMind开始给Play Store布置了一个长时间短期回忆网络,即一种可以学习长时间依靠联系的模型。但它表明,尽管LSTM带来了明显的精度进步,但其巨大的核算需求带来了推迟。

为了处理这个问题,DeepMind将LSTM替换为Transformer模型,由此进一步进步了模型的功能,可是增加了训练本钱。第三个也是终究一个处理方案是一个高效的附加注意力模型,它会依据用户的Play Store历史记录来判别用户更有或许装置哪些使用。

为了防止误差问题,该附加注意力模型加入了重要性加权,将形象装置率归入考量。经过这种加权,候选生成器依据装置状况对Play Store上的使用程序进行减权或加权。

引荐体系的下一步——从头排序模型——会学习一起显现给用户的两个使用程序的相对重要性。两个使用都会被分配一个正的或负的标签,而且该模型会测验最小化逆序摆放的数量。

关于Play Store的优化模型,它会企图在非必须方针束缚下完成一个首要的引荐方针。DeepMind指出,这些方针或许会依据用户的需求而改动——例如,一个曾经对住宅使用程序感兴趣的人或许现已找到了一套新公寓,因而现在对家居装饰使用程序感兴趣。然后,该模型依据引荐服务期间的方针对每个恳求提出主张,并在非必须方针之间进行取舍,以防止影响到首要方针。

“咱们从这次协作中得出的其间一个重要结论是,在将先进的机器学习技能使用于实践世界时,咱们需要在许多实践的束缚条件下运作。”DeepMind写道,“由于Play Store和DeepMind团队严密协作,每天都有沟通,所以咱们可以在算法规划、完成和终究测验阶段考虑到产品的需求和束缚,然后创造出更成功的产品。”



Copyright © 2018 银河国际所有网址银河国际所有网址 All Rights Reserved

Copyright © 2018 银河国际所有网址银河国际所有网址 All Rights Reserved