【推荐系统】文本类的算法策略，有vs没有，比文本的排序，对线上转化重要的多

已于 2024-10-20 15:17:38 修改
阅读量100 收藏
点赞数 1
分类专栏： 推荐系统 文章标签： 推荐算法
于 2024-10-20 14:58:25 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/guotong1988/article/details/143092763
版权

文本类的算法策略，比如推荐理由，搜索推荐词，搜索引导词/下拉词，

有展示vs没有，有覆盖vs没有，比候选文本的排序策略，对线上转化（比如CTR）重要的多

推荐系统（一）概述
Jin_Kwok的博客
07-07 5262
在互联网领域，推荐系统（Recommendation Systems）的应用非常广泛。在音视频方面，如抖音、快手、哔哩等；在电商平台方面，如京东、淘宝、拼多多等。推荐有助于帮助用户快速发现潜在感兴趣的内容（音视频、商品、新闻等信息流），从而提升用户体验，同时有助于提升商业效率。从本文开始，笔者将结合自身在信息流推荐领域的经验，通过系列文章对推荐系统展开介绍。
推荐系统[一]：超详细知识介绍，一份完整的入门指南，解答推荐系统相关算法流程、衡量指标和应用，以及如何使用jieba分词库进行相似推荐，业界广告推荐技术最新进展
丨汀、的博客
02-16 5733
推荐算法其实本质上是一种信息处理逻辑，当获取了用户与内容的信息之后，按照一定的逻辑处理信息后，产生推荐结果。热度排行榜就是最简单的一种推荐方法，它依赖的逻辑就是当一个内容被大多数用户喜欢，那大概率其他用户也会喜欢。但是基于粗放的推荐往往会不够精确，想要挖掘用户个性化的，小众化的兴趣，需要制定复杂的规则运算逻辑，并由机器完成。召回：当用户以及内容量比较大的时候，往往先通过召回策略，将百万量级的内容先缩小到百量级。
推荐系统常用算法_一文带你了解推荐系统——常用召回和排序技术
weixin_39932300的博客
11-22 4357
现代移动互联网充斥着各种各样的信息，如购物、新闻，短视频，直播等等，经常使用户迷失在海量的信息中，无法找到真正感兴趣的内容。因此推荐算法应运而生，应用于各大领域：“吃”有美团、饿了么等；“穿”有淘宝等；“住”有蛋壳、自如等；“行”有汽车之家等；“娱乐”有抖音、快手等；“旅行”有携程、去哪儿等。当你打开App，就会有各种的推荐场景映入眼帘，例如：猜你喜欢、为你推荐等。推荐主要是根据用户的历史行为、相...
推荐系统的几种常用算法总结
Vensmallzeng的博客
09-25 3万+
尊敬的读者您好：笔者很高兴自己的文章能被阅读，但原创与编辑均不易，所以转载请必须注明本文出处并附上本文地址超链接以及博主博客地址：https://blog.csdn.net/vensmallzeng。若觉得本文对您有益处还请帮忙点个赞鼓励一下，笔者在此感谢每一位读者，如需联系笔者，请记下邮箱：zengzenghe@gmail.com，谢谢合作！ 之前也做过一些关于推荐系统的项目...
五类推荐系统算法,非常好使,非常全面
专注于后端开发，时常接触大数据 、人工智能等
10-15 1万+
　　序言 　　最近因为PAC平台自动化的需求，开始探坑推荐系统。这个乍一听去乐趣无穷的课题，对于算法大神们来说是这样的： 　　 　　而对于刚接触这个领域的我来说，是这样的： 　　 　　在深坑外围徘徊了一周后，我整理了一些推荐系统的基本概念以及一些有代表性的简单的算法，作为初探总结，也希望能抛砖引玉，给同样想入坑的伙伴们提供一些思路。 　　◆ ◆ ◆ 　　什么是推荐系统 　　1. 什...
推荐系统和推荐算法
黎荣恒的博客
05-13 1785
1. 什么是推荐系统？ 推荐系统是什么？ 如果你是个多年电商（剁手）党，你会说是这个： 如果你是名充满文艺细胞的音乐发烧友，你会答这个： 如果你是位活跃在各大社交平台的点赞狂魔，你会答这个： 没错，猜你喜欢、个性歌单、热点微博，这些都是推荐系统的输出内容。从这些我们就可以总结出，推荐系统到底是做什么的： 目的1. 帮助用户找到想要的商品（新闻/音乐/……），发掘长尾 帮用户找到想要的东西，谈何容易。商品茫茫多，甚至是我们自己，也经常点开淘宝，面对眼花缭乱的打折活动...
深入理解YouTube推荐系统算法！
Datawhale
02-21 1499
之前天池-安泰杯跨境电商智能算法大赛是我初次接触推荐相关的比赛，通过比赛让我对推荐系统有了较为浅显的认识，赛后也是打算系统的学习这方面的内容，此后我也会将【推荐系统】作为一个系列板块进行更...
推荐系统系列 - 引导 - 5类系统推荐算法,非常好使,非常全
热门推荐
大数据训练营
08-04 10万+
　　◆ ◆ ◆ 　　序言 　　最近因为PAC平台自动化的需求，开始探坑推荐系统。这个乍一听去乐趣无穷的课题，对于算法大神们来说是这样的： 　　 　　而对于刚接触这个领域的我来说，是这样的： 　　 　　在深坑外围徘徊了一周后，我整理了一些推荐系统的基本概念以及一些有代表性的简单的算法，作为初探总结，也希望能抛砖引玉，给同样想入坑的伙伴们提供一些思路。 　　◆ ◆ ◆ 　　什么是推荐系...
16 本地服务业务中的推荐系统实战——算法篇
最新发布
周壮的博客
07-27 1270
你好，我是大师兄。15 讲我们讲述了同城本地服务的各个业务背景和特点，以及推荐系统工程架构落地和演化过程。这一讲我们主要讲述同城本地服务业务与推荐算法模型的关系和演化过程。在课程开始前，我们先回顾一下同城本地服务主站业务特点以及推荐场景位所关注的指标。主站业务是通用的业务形式，由 APP/PC/M 等端口进入本地服务落地页，以流量生意为主。（开环业务，目前产品形态正在从开环向半闭环演进）。推荐场景：列表页、详情页、落地页等；推荐内容：帖子、商家、店铺、商品、标签等；
2.特定领域知识图谱融合方案：文本匹配算法之预训练Simbert、ERNIE-Gram单塔模型等诸多模型【三】
丨汀、的博客
02-14 2989
本项目主要讲述文本匹配算法、知识融合学术界方案、知识融合业界落地方案、基于单塔 Point-wise 范式的语义匹配模型 erniematching: 模型精度高、计算复杂度高,适合直进行语义匹配
推荐系统中的排序学习框架
01-28 492
「排序学习（Learning to Rank，LTR）」，也称「机器排序学习（Machine-learned Ranking，MLR)」 ，就是使用机器学习的技术解决排序问题。自从机器学习的思想逐步渗透到信息检索等领域之后，如何利用机器学习来提升信息检索的性能水平变成了近些年来非常热门的研究话题，因此产生了各类基于机器学习的排序算法，也带来了搜索引擎技术的成熟和发展，如今，Learning to Rank已经成为搜索、推荐和广告领域非常重要的技术手段。 本文我们首先介绍排序学习的三种主要类别，然后详细介绍
推荐系统算法与KTV点歌推荐
明月几时有，把酒问青天
11-19 885
文章目录一 推荐系统1.1 推荐系统概述1.2 推荐引擎原理二 推荐引擎评价指标三 推荐引擎分类四 推荐机制五 推荐系统应用 一 推荐系统 1.1 推荐系统概述 ​ 在现今信息数据爆炸的背景下，如何从海量数据中找到感兴趣的信息？在这样的情况下，搜索引擎无疑成了人们最常用的信息获取工具，通过搜索引擎可以精准的获取感兴趣的信息，但搜索引擎并不能完全满足用户对信息发现的需求，那是因为在...
pv事件 mv事件 mc事件
Talk Is Cheap
03-15 1759
pv，page view 页面打开的次数，无论用户是否浏览里面的子模块，都会记录， mv，module view 页面打开了，用户浏览了页面里的子模块的次数， mc，module click 页面打开了，用户点击了页面里的子模块的次数， ...
推荐系统的 ctr cxr rpm
Talk Is Cheap
03-15 1698
ctr 点击数除以曝光数， cxr 成单数除以曝光数， rpm 收入额除以曝光数，
roc_auc_score 传参
Talk Is Cheap
03-12 1346
from sklearn.metrics import roc_auc_score y_true = [0, 0, 1, 1, 1] y_score = [0.1, 0.2, 0.7, 0.8, 0.9] print(roc_auc_score(y_true, y_score)) y_score = [0.7, 0.8, 0.9, 0.1, 0.2] print(roc_auc_score(y_true, y_score)) 打印结果： 1.0 0.33333
TDM阅读笔记，在推荐系统的应用
Talk Is Cheap
07-08 1283
《Learning Tree-based Deep Model for Recommender Systems》 问题 •每个商品的 向量表示/embedding 随机初始化。 •每个用户的历史信息的 向量表示/embedding 随机初始化。 •我们输入深度模型这两个embedding，输出他们关联程度的得分。 •也就是如果我们要得到 一个用户对所有商品 的每个得分，然后排序，取出得分最高几个。...
<<推荐系统实战>>笔记1,基于用户的协同过滤算法
Talk Is Cheap
12-31 1095
基于邻域的算法分为两大类,一类是基于用户的协同过滤算法,另一类是 基于物品的协同过滤算法。def UserSimilarity(train): W = dict() for u in train.keys(): for v in train.keys(): if u == v: continue W[u][v] = len(t
【笔记】推荐系统CTR模型数据正负样本准备
Talk Is Cheap
03-12 887
www.zhihu.com/question/324986054 1 在feed场景中，使用曝光（展示）日志时，应该选择APP的SDK埋点的日志，而不是服务器Web接口返回的日志，因为Web接口返回的日志中的后果是会增加很多无效的负样本。举个例子，Web接口每次返回10条数据，但是APP屏幕最多只能展现3条数据，剩下的7条数据需要用户在feed中滑动屏幕后，才算真正的曝光，但很多用户可能并不会滑动屏幕或者滑动屏幕幅度较小，导致剩下的7条数据并未真正在APP上曝光。 2 针对同一个内容在不同时间对同一个用户曝
CTR模型归纳来说就是三种类型的特征作为输入
Talk Is Cheap
03-26 849
int list 即 id list float list 即一些比如价格、销量等特征 fixed float list 即固定的embedding
Python深度学习文本分类系统的构建与应用
文本分类是自然语言处理（NLP）中的一个重要任务，旨在将文本数据自动地分到一个或多个类别中。本系统利用深度学习方法，特别是卷积神经网络（CNN），来实现文本的自动分类。 1. 数据集预处理：在文本分类之前，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

_Focus_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值
>