EMER kann kurze Videoinhalte intelligenter einstufen. Es handelt sich um ein End-to-End-Multi-Objective-Ensemble-Ranking-Framework, das manuelle Heuristiken durch erlernte Personalisierung ersetzt. Es entwirft einen neuen Verlust für mehrdeutige Aufsicht, verwendet eine transformerbasierte Architektur zur Modellierung von Kandidatenbeziehungen und gewährleistet Konsistenz zwischen Offline- und Online-Bewertungen. Eingesetzt bei Kuaishou (Hunderte Millionen Nutzer) steigerte EMER die Verweildauer in der App um 1,39 % und die 7-tägige Nutzerlebensdauer um 0,196 % – ein großer Sprung für Empfehlungssysteme im industriellen Maßstab. Ein End-to-End-Multi-Objective-Ensemble-Ranking-Framework für Videoempfehlungen Papier: Unser Bericht: