深度学习推荐系统实战
王喆
Roku 推荐系统架构负责人,前 hulu 高级研究员,《深度学习推荐系统》作者
35098 人已学习
新⼈⾸单¥68
登录后,你可以任选4讲全文学习
课程目录
已完结/共 49 讲
深度学习推荐系统实战
15
15
1.0x
00:00/00:00
登录|注册

AIGC与推荐系统:从辅助创作到个性化生成

你好,我是王喆。这一节我们介绍 AIGC 在推荐系统中的应用。
无论是知识辅助还是大模型推荐系统的创新,大模型始终还是在已有的推荐系统框架内进行优化。跟传统的推荐模型一样,这些新方案归根结底也是为了更好地理解用户兴趣,提高推荐的准确率。
但事实上,AI 可以做的更多,我们不应该让已有的框架限制自己的想象力。随着 AIGC 的能力越来越强,AI 越来越直接地参与到推荐内容的生成过程中,相比在已有的框架下“小修小补”,AI 有能力直接参与内容的创造,更加深刻地变革推荐系统。

AI 辅助内容生成

在 AI 能够完全自主地生成推荐内容之前,让 AI 辅助人工增强内容创作过程中的某些步骤显然是一个更容易达成的目标,也是当前 AIGC 产品化发力的重点。事实上,越来越多的公司在这个方向上已经落地了诸多 AI 应用。
AI 辅助内容生成对于推荐系统的积极意义主要有 3 点:
可以高效地转换、生成大量内容,丰富推荐系统的候选集。
不仅可以大幅提升创作者的创作效率,还能提升内容更新频率。
AI 可以生成前所未见的新内容,提升内容的多样性和新鲜度。
下面,我们以视频编辑工具 CapCut 的 AI 应用为例,介绍当前 AI 在内容编辑领域的进展。
首先是图片与视频上色。图(a)所示的是 AI 给黑白图片或视频上色的应用。图片上色模型的一般方案是利用彩色照片与黑白照片的图片作为训练集,训练一个上色模型将黑白空间映射到彩色空间进行初步上色,再利用预训练的 Stable Diffusion 模型继续彩色图片的精修,形成最终的彩色图片。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
  • 解释
  • 总结

1. AIGC的应用包括辅助内容生成、直接生成广告创意和个性化生成推荐内容的框架GeneRec的提出。 2. AI辅助内容生成对推荐系统的积极意义在于提高创作者的创作效率和生成前所未见的新内容,从而提升内容的多样性和新鲜度。 3. AI在辅助内容生成方向的应用最成熟,商业化时间也最早,包括在短视频生成、小说创作、论文写作、PPT生成、图像处理等领域的成功应用。 4. AI直接生成广告创意能够提升广告创意的质量和生成效率,以及生成大量备选广告创意,结合人工筛选或算法探索筛选的方式留下点击率最高的创意。 5. GeneRec框架提出了一个下一代生成式推荐系统的闭环框架,使AI能够直接领会用户意图来个性化生成推荐内容,建立起用户行为到AI再到内容生成的闭环。 6. 利用GeneRec框架,推荐系统可以感知用户对商品颜色和模特展现方式的偏好,选择最合适的商品缩略图展示给用户,提升商品的点击率。 7. AI生成视频广告创意的应用目前还处于早期阶段,但在生成图片广告创意方面已经非常成熟。 8. AI辅助内容生成虽然加快了创作效率,但仍需要大量人工参与,AI生成的新世界是创作者定义的“新世界”,并不是受众用户自己个性化的“新世界”。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《深度学习推荐系统实战》
新⼈⾸单¥68
立即购买
登录 后留言

精选留言

由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论
显示
设置
留言
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部