यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है। यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है। पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।
यह पेपर Pinterest पर व्यक्तिगत पिन और विज्ञापनों को प्रभावी ढंग से वितरित करने के लिए विविध डेटा स्रोतों से उपयोगकर्ता और पिन एम्बेडिंग उत्पन्न करने के लिए एक बॉटम-अप-टॉप-डाउन फ्रेमवर्क प्रस्तुत करता है। बॉटम-अप मॉडल को विविध संकेतों की विशेषता वाले डेटा स्रोतों की एक विस्तृत श्रृंखला पर प्रशिक्षित किया गया है और Pinterest पर उपयोगकर्ताओं और पिन के बीच जटिल संबंधों को पकड़ने के लिए एक जटिल वास्तुकला का उपयोग करता है। स्केलेबिलिटी हासिल करने के लिए, इकाई एम्बेडिंग को वास्तविक समय में गणना करने के बजाय सीखा और समय-समय पर अपडेट किया जाता है, जिससे बॉटम-अप और टॉप-डाउन मॉडल के बीच अतुल्यकालिक इंटरैक्शन की अनुमति मिलती है। इन एम्बेडिंग को कई टॉप-डाउन कार्यों में इनपुट सुविधाओं के रूप में एकीकृत किया गया है, जिसमें CTR और CVR भविष्यवाणी के लिए विज्ञापन खोज और रैंकिंग मॉडल शामिल हैं।
Takeaways, Limitations
•
Takeaways:
◦
विविध डेटा स्रोतों का लाभ उठाने वाला एक नीचे से ऊपर-नीचे ढांचा उपयोगकर्ता और पिन एम्बेडिंग उत्पन्न करने और व्यक्तिगत विज्ञापन प्रभावशीलता में सुधार करने की क्षमता प्रस्तुत करता है।
◦
इकाई एम्बेडिंग के नियमित अद्यतन के माध्यम से स्केलेबल सिस्टम बनाने की एक विधि प्रस्तुत की गई है।
◦
ऑफ़लाइन और ऑनलाइन दोनों वातावरणों में प्रदर्शन में सुधार को अनुभवजन्य रूप से प्रदर्शित करता है।
◦
वास्तविक सिस्टम परिनियोजन के माध्यम से ऑनलाइन मेट्रिक्स सुधारों को सत्यापित करें।
•
Limitations:
◦
विशिष्ट बॉटम-अप मॉडल की वास्तुकला और प्रयुक्त डेटा स्रोतों के विस्तृत विवरण का अभाव।
◦
अतुल्यकालिक अंतःक्रियाओं के विशिष्ट तंत्र और प्रदर्शन के विश्लेषण का अभाव।
◦
अन्य निजीकरण प्रणालियों के साथ तुलनात्मक विश्लेषण का अभाव।
◦
दीर्घकालिक प्रणाली स्थिरता और रखरखाव के बारे में चर्चा का अभाव।
