Revisit Recommender System in the Permutation Prospective

最新推荐文章于 2022-04-03 13:33:43 发布
最新推荐文章于 2022-04-03 13:33:43 发布
阅读量333 收藏 2
点赞数
分类专栏： 机器学习 文章标签： 深度学习 机器学习 rnn
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/sinat_41679123/article/details/121990840
版权

总结

提出permutation概念，rnn做rank

细节

user emb和item emb
考虑稀疏特征+稠密特征

permutation-matching
offline: 2个模型，分别预测ctr以及next score(是否继续阅览)，不共享参数的dnn
online: 改进的beam search

permutation-rank
offline: bi-lstm + mlp，交叉熵损失

在这里插入图片描述
online: 使用上面的改进交叉熵损失

实验

评估指标：loss, auc, pearson
对比模型：dnn, deepFM, dlcm, prm
在线a/b test：pv, ipv(item pv)

KpLn_HJL
关注
专栏目录
推荐系统遇上深度学习(一零九)-[阿里]排列视角下的重排序过程
abcdefg90876的博客
02-27 1463
今天给大家介绍一篇阿里在重排（re-rank）方面探索的文章，论文题目为《Revisit Recommender System in the Permutation Prospective...
排序(rank)后重排(re-rank)?
炼丹笔记
03-20 1805
说起排序，对排序的认知还停留在召回阶段召回的item经过粗排过滤，剩下较少的item在精排中打分，按epcm或者其他策略挑选出最终要曝光的item。精排模型往往都是point-wise的，一个DNN加丰富的用户/item/上下文特征预估点击率。自从看了阿里这篇 《Revisit Recommender System in the Permutation Prospective》，了解到了排序完可以...
排序
mudan97的博客
04-19 197
问题背景 说起排序，对排序的认知还停留在召回阶段召回的item经过粗排过滤，剩下较少的item在精排中打分，按epcm或者其他策略挑选出最终要曝光的item。重排是一种考虑到推荐items之间关系和影响的排序模式，常规的推荐系统仅仅考虑<user, item>对的角度，并不会考虑items间作为一个list进行推荐之后的互相影响。 举个例子，排序模型往往都是point-wise的，一个DNN加丰富的user/item/上下文特征预估点击率，在召回的100个item候选集中...
推荐系统遇上深度学习(一零七)-[阿里]使用统一模型进行多域CTR预估
abcdefg90876的博客
01-31 2110
今天给大家介绍的是阿里公开的一篇论文，主要介绍如何使用统一的模型在多domain进行CTR预估。论文标题为《One Model to Serve All: Star Topology A...
KDD 2021 | Neural Auction: 电商广告中的端到端机制优化方法
阿里妈妈技术
09-15 909
▐导读拍卖机制设计一直是计算广告领域的核心问题，在本文中我们将机器学习和机制设计方法深度融合，提出一种基于深度神经网络建模的电商广告拍卖机制，并在满足 Value 最大化广告主激励兼...
Revisit to the symmetry relations in diffusely backscattered polarization patterns of turbid media
02-11
As there exists an inconsistency in claiming the symmetrical relations in the 16 Mueller matrix elements used to describe a turbid medium, the author restudies the symmetrical relationships between ...
On the postprocessing removal of correlated errors in GRACE temporal gravity field solutions
02-20
We revisit the empirical moving window filtering method of Swenson andWahr (Geophys Res Lett 33:L08402,<BR>2006) and its variants, Chambers (Geophys Res Lett 33:L17603, 2006) and Chen et al....
LSRO:Unlabeled Samples Generated by GAN Improve the Person Re-identification Baseline in vitro
外婆家的大灰狼
08-22 1021
Paper Reading Note URL: https://arxiv.org/abs/1701.07717 TL;DR 本文是在ReID方向采用GAN做数据增广的开山始祖，主要提出了利用GAN解决ReID中数据量较少的问题。同时，对于生成的fake图像的标签如何定义，作者提出了label smoothing的方法，即将生成的fake图像label定义在[0,1]之间，在17年的环境下提升了R...
行人重识别之重排序(re-ranking)
热门推荐
年轻即出发，
08-09 2万+
行人重识别简称Re-identification，目前研究这个方向的大神主要有，UTS的郑良，郑哲东，CUHK的xiaotong等。 这里想分析下，2017年的cvpr, Re-ranking Person Re-identification with k-reciprocalEncoding，文章主要提出了基于k阶导数编码的方式，对需要检测的gallery中的图片进行重排序，使得识别结果有所提
Learning to Rank：X-wise
炼丹笔记
04-21 404
LTR（Learning to Rank）学习排序已经被广泛应用到文本挖掘、搜索推荐系统的很多领域，比如IR中排序返回的相似文档，推荐系统中的候选产品召回、用户排序等，机器翻译中排序候选翻译结果等等。 排序学习是搜索推荐系统、计算广告领域的核心方法。同时排序结果的好坏，在搜索推荐任务中很大程度直接影响用户点击、转化、用户体验和收入等。 在《推荐系统技术演进趋势：重排篇》一文中，作...
【JZOJ5405】 Permutation
rank的成长之路
08-21 369
题目简述 你有一个长度为nnn的排列PPP与一个正整数KKK。 你可以进行如下操作若干次使得排列的字典序尽量小 。 对于两个满足|i−j|≥K|i−j|≥K|i-j|\geq K 且|Pi−Pj|=1|Pi−Pj|=1|Pi-Pj|=1`的下标iii与jjj，交换PiPiP_i与PjPjP_j。 n≤500000n≤500000n \leq 500000 思路 整体感知 这道题与...
[LintCode] Permutation Index I & Permutation Index II
weixin_33852020的博客
03-25 106
Permutation Index Problem Given a permutation which contains no repeated number, find its index in all the permutations of these numbers, which are ordered in lexicograph...
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
sinat_41679123的博客
04-03 3189
17-arxiv-MobileNets- Efficient Convolutional Neural Networks for Mobile Vision Applications 通过拆解cnn的卷积核（用depth-wise和1x1的卷积核来代替原先卷积核），减小计算cost
esmm/Entire Space Multi-Task Model- An Effective Approach for Estimating Post-Click Conversion Rate
sinat_41679123的博客
01-04 1536
18-sigir-ESMM/Entire Space Multi-Task Model- An Effective Approach for Estimating Post-Click Conversion Rate
maddpg/Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments
sinat_41679123的博客
12-30 1389
17-nips-maddpg/Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments
Learning a Deep Listwise Context Model for Ranking Refinement
sinat_41679123的博客
12-14 1362
18-sigir-Learning a Deep Listwise Context Model for Ranking Refinement
论文阅读笔记
sinat_41679123的博客
01-04 1322
一些阅读过的论文笔记，ml/dl/ctr相关
Learning to Embed Categorical Features without Embedding Tables for Recommendation
sinat_41679123的博客
01-07 809
21-kdd-DHE/Learning to Embed Categorical Features without Embedding Tables for Recommendation
AttributeError: 'types.SimpleNamespace' object has no attribute 'revisit_penalty'
最新发布
05-11
AttributeError: 'types.SimpleNamespace' object has no attribute 'revisit_penalty' 这个错误通常是因为在使用types.SimpleNamespace对象时，该对象并没有revisit_penalty属性。可能原因包括： 1. 你尝试访问了...
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
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