![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
recommender systems
文章平均质量分 53
青盏
这个作者很懒,什么都没留下…
展开
-
广告推荐工业借鉴
采样召回模型中的负样本构造 - 知乎召回聊聊向量化召回的一些工程经验 - 知乎粗排爱奇艺短视频推荐:粗排篇原创 2021-12-05 22:53:07 · 167 阅读 · 0 评论 -
LHUC 模型内部差异化
对于一个混合多种数据源的训练模型,不同数据源肯定存在着差异性,如果将这种差异性反映到模型中。LHUC试图利用将这些差异性插入对模型的NN中,从而对NN进行调整。Learning Hidden Unit Contributions for Unsupervised Acoustic Model Adaptation超越Google 快手落地业界首个万亿参数推荐精排模型...转载 2021-08-08 12:19:25 · 9282 阅读 · 0 评论 -
【Faiss】PQ和IVF介绍
【Faiss】PQ和IVF介绍转载 2021-04-15 22:00:08 · 578 阅读 · 0 评论 -
辅助读懂Top-K Off-Policy Correction for a REINFORCE Recommender System
基础知识准备强化学习入门简单实例 DQN强化学习入门 第一讲 MDP目标函数首先需要定义目标函数来优化模型参数,此处使用的REINFORCE算法解决RL问题:求导证明参考...原创 2020-03-26 14:46:58 · 2921 阅读 · 0 评论 -
推荐机制 协同过滤和基于内容推荐的区别
来源基于人口统计学的推荐基于人口统计学的推荐机制(Demographic-based Recommendation)是一种最易于实现的推荐方法,它只是简单的根据系统用户的基本信息发现用户的相关程度,然后将相似用户喜爱的其他物品推荐给当前用户,图 2 给出了这种推荐的工作原理。图 2. 基于人口统计学的推荐机制的工作原理从图中可以很清楚的看到,首先,系统对每个用户转载 2017-12-03 21:27:45 · 38487 阅读 · 2 评论 -
Mahout 物品推荐 协同过滤
来源前言用Mahout来构建推荐系统,是一件既简单又困难的事情。简单是因为Mahout完整地封装了“协同过滤”算法,并实现了并行化,提供非常简单的API接口;困难是因为我们不了解算法细节,很难去根据业务的场景进行算法配置和调优。本文将深入算法API去解释Mahout推荐算法底层的一些事。目录Mahout推荐算法介绍算法评判标准:召回率与准确率Re转载 2017-12-03 21:12:37 · 1510 阅读 · 0 评论 -
深度学习在CTR预估中的应用
1、转自2、转自3、深入FFM原理与实践4、网络广告中,CPC、CPA、CPM 的定义各是怎样的?如果只是做研究,而考虑数据集的特征工程,可以关注这个库。一、前言深度学习凭借其强大的表达能力和灵活的网络结构在NLP、图像、语音等众多领域取得了重大突破。在广告领域,预测用户点击率(Click Through Rate,简称CTR)领域近年也有大量关于深度学习方面的研究,仅这两...转载 2018-08-06 19:42:14 · 7226 阅读 · 0 评论 -
重磅!阿里妈妈首次公开自研CTR预估核心算法MLR
来源一、 技术背景CTR(Click-Through-Rate)即点击通过率,是互联网广告常用的术语,指网络广告(图片广告/文字广告/关键词广告/排名广告/视频广告等)的点击到达率,即该广告的实际点击次数除以广告的展现量。点击率预估(Click-Through Rate Prediction)是互联网主流应用(广告、推荐、搜索等)的核心算法问题,包括Google、Facebook等业界巨头...转载 2018-12-07 20:43:46 · 480 阅读 · 0 评论 -
广告CTR预估中真实CTR的离散化方法
来源在广告CTR预估的过程中,有一个十分重要的特征,那就是广告本身的CTR,从直观上也能明白,对于一个广告,在曝光次数充分的前提下,基于统计的CTR很大程度上反应了广告本身的信息。作为一个特征,很自然的,我们可以直接把它作为向量的某一维的数值放入样本,这样是有一定的作用的,但作用还不够:首先,对于点击率差距较小的广告,它无法捕捉到相似性;其次,对于点击率差距较大的广告,也很难捕捉到差异性。...转载 2018-12-07 21:07:16 · 1708 阅读 · 0 评论