- 博客(3)
- 收藏
- 关注
RSS订阅翻译 Contrastive Learning for Debiased Candidate Generation in Large-Scale Recommender Systems
解决的问题 解决推荐系统中的召回问题，标准的方法就是通过采样进行极大似然估计。然而真实的推荐系统通常存在严重的曝光偏差，而极大似然估计从长期来讲会加重曝光偏差，而不合适的采样和特征选取会使得item表示学习效果打折扣。本文提出了CLRec，一种对比学习范式，来解决召回阶段的曝光偏差。 问题形式化 推荐系统的召回阶段范式为学习一个用户行为encoder fθ(x)∈Rdf_\theta(x) \in R^dfθ(x)∈Rd和一个item encoder gθ(y)∈Rdg_\theta(y) \in R^d
2021-08-27 01:04:26
917
翻译 Search-based User Interest Modeling with Lifelong Sequential Behavior Data for Click-Through Rate Pr
解决的问题 基于记忆网络的MIMN通过对算法和服务架构的共同设计成为了state-of-the-art方法。MIMN是工业界第一个能够为超过1000条用户行为建模的方法，然而在用户行为更多的情况下MIMN便不能精确把握用户兴趣了。本文提出了一种新的范式Search-based Interest Model (SIM)，SIM通过两个级联的搜索单元来抽取用户兴趣：General Search Unit (GSU)从原始的任意长度的行为序列中进行搜索，从而抽取出与候选item相关的子序列；Exact Searc
2021-08-18 01:07:20
449
原创 flink流式作业入门
最近换项目，交接了乌乌泱泱的一大片flink作业。时间紧任务重，于是扒各种资料连猜带蒙入了个门。在这里记录一些粗浅的经验。 以下全部内容均为flink scala版的streaming任务相关，如有错误（大概率有）欢迎大佬们指正。 跑通第一个flink streaming作业 环境和版本： ubuntu 18.04 java 1.8 flink-scala IDEA ...
2021-08-16 01:21:56
332
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人