本文主要是介绍TensorFlow Recommenders 迎来更新 — 可扩展检索和特征交互建模，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
文：Ruoxi Wang、Phil Sun、Rakesh Shivanna 和 Maciej Kula，Google
9 月，我们开源了 TensorFlow Recommenders，这个库能够帮助您轻松构建最先进的推荐系统模型。现在，我们高兴地宣布 TensorFlow Recommenders (TFRS) 的新版本 v0.3.0。
-
TensorFlow Recommenders
https://mp.weixin.qq.com/s?__biz=MzU1OTMyNDcxMQ==&mid=2247491166&idx=1&sn=1886a9271e0c31e7040f820073d1c1c3&chksm=fc185516cb6fdc005d90e55d1e1fe2618396f15c359fabd766e9bcd776eac6df836c16a9bf35&scene=21#wechat_redirect -
v0.3.0
https://github.com/tensorflow/recommenders/releases/tag/v0.3.0
新版本引入了两项重要功能，二者对于构建和部署高质量、可扩展的推荐模型至关重要。
第一项新增功能是对快速可扩展近似检索提供内置支持。通过利用 ScaNN，TFRS 现已能够构建在数毫秒内即可从数以百万计的条目中检索出最佳候选条目的深度学习推荐模型，同时又保留了部署单个“输入查询特征即可输出建议”的 SavedModel 对象的便利性。
第二项新增功能是支持用于特征交互建模的更出色技术。新版本 TFRS 包含了 Deep & Cross Network 的实现：一种高效架构，用于学习深度学习推荐模型中使用的所有不同特征之间的交互。
-
Deep & Cross Network
https://arxiv.org/pdf/2008.13535.pdf
如果您迫切希望尝试新增功能，可以直接前往我们的高效检索和特征交互建模教程。也可以登陆B 站 Google 中国 TensorFlow 官方频道收看《使用 TensorFlow 搭建推荐系统（全八讲）》视频获取帮助。
-
[教程] 高效检索
https://tensorflow.google.cn/recommenders/examples/efficient_serving -
[教程] 特征交互建模
这篇关于TensorFlow Recommenders 迎来更新 — 可扩展检索和特征交互建模的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
