推荐系统
文章平均质量分 62
Avada__Kedavra
这个作者很懒,什么都没留下…
展开
-
第一章 互联网增长引擎——推荐系统
推荐系统存在的作用和意义可以从用户和公司两个角度进行阐述。推荐系统要处理的是“人”和“信息”的关系,即 user 与 item 间的关系。信息:推荐系统的技术架构如下图所示:推荐系统的数据部分负责数据收集与处理的三种平台按照实时性的强弱排序,依次为[2] “客户端及服务器端实时数据处理”、“流处理平台准实时数据处理”、“大数据平台离线数据处理” 。在实时性由强到弱递减的同时,三种平台的海量数据处理能力则由弱到强。一个成熟的推荐系统的数据流系统会将三者取长补短,配合使用。模型的训练方法根据模型训练环境的原创 2022-06-16 11:15:43 · 279 阅读 · 0 评论 -
swing召回
Swing是阿里内部(目前没有论文)使用较多的基于图的召回算法。当用户u1和 u2都对物品 i 有过交互行为,(u1,u2,i)三者构成一个swing。Swing算法背后的直觉是:如果多个用户共同点击了物品i的同时,都只共同点了某一个其他的j,那么i 和 j 一定是强关联的,这种未知的强关联关系是通过用户来传递的。参考链接策略算法工程师之路-推荐召回策略推荐系统技术...原创 2021-04-25 16:51:30 · 969 阅读 · 0 评论 -
MIND
今天分享一篇阿里2019年发表的推荐论文《Multi-Interest Network with Dynamic Routing for Recommendation at Tmall》。#1. 摘要工业界推荐系统通常有两个阶段组成:召回(Matching)和排序(Ranking)。召回阶段我们根据用户的兴趣从海量的商品中去检索出相关候选 Item,满足推荐相关性和多样性需求。而排序阶段,依据用户兴趣会对候选集进行打分排序截取TopN Item,最终给用户产生推荐。因此,在推荐过程最重要的一环就是如何原创 2021-04-13 11:11:22 · 132 阅读 · 0 评论 -
DIN
阿里2018在KDD上发表的论文《Deep Interest Network for Click-Through Rate Prediction》原创 2020-12-09 15:46:04 · 81 阅读 · 0 评论 -
[Item2Vec] Item2Vec-Neural Item Embedding for Collaborative Filtering (Microsoft 2016)
[Item2Vec] Item2Vec-Neural Item Embedding for Collaborative Filtering (Microsoft 2016)原创 2020-11-17 21:26:44 · 146 阅读 · 0 评论 -
Word2vec Parameter Learning Explained (UMich 2016)
Word2vec Parameter Learning Explained (UMich 2016)原创 2020-11-17 21:24:31 · 278 阅读 · 0 评论 -
Distributed Representations of Words and Phrases and their Compositionality
Distributed Representations of Words and Phrases and their Compositionality原创 2020-11-17 21:23:35 · 118 阅读 · 0 评论 -
LINE - Large-scale Information Network Embedding (MSRA 2015)
暗时间衡量一个人生活了多少年,应该用思维时间计算。 对一件事物的投入是时间与效率的乘积。 暗时间:看书并记住书中的东西只是记忆,没有涉及推理,只有靠推理才能深入理解一个事物,看到别人看不到的地方,这部分推理的过程就是你的思维时间,也是人一生中占据一个显著比例的“暗时间”。 ...原创 2020-08-03 14:04:10 · 131 阅读 · 0 评论 -
embedding 11 deep walk
基本思想是:设待排序元素序列有n个元素, 首先取一个整数increment(小于n)作为间隔将全部元素分为increment个子序列, 所有距离为increment的元素放在同一个子序列中,在每一个子序列中分别实行直接插入排序。 然后缩小间隔increment,重复上述子序列划分和排序工作。 直到最后取increment=1,将所...原创 2019-04-06 14:38:23 · 91 阅读 · 0 评论 -
embedding 10
今天要分享的[Airbnb Embedding] Real-time Personalization using Embeddings for Search Ranking at Airbnb (Airbnb 2018)原创 2020-11-11 20:50:08 · 54 阅读 · 0 评论 -
YouTube深度学习推荐系统 《Deep Neural Networks for YouTube Recommendations》
今天分享的是Youtube 2016年的推荐系统论文《Deep Neural Networks for YouTube Recommendations》摘要YouTube是如今工业界最大、最复杂的推荐系统之一,作者提出了一种高效的基于深度学习的推荐系统。该系统和工业界经典的推荐流程一样,分为候选集生成( candidate generation也称为召回),排序(ranking)两个阶段。1. 引言在推荐系统领域,特别是YouTube的所在视频推荐领域,主要面临三个挑战:Scale(规模大):视原创 2020-11-05 21:21:51 · 3036 阅读 · 5 评论 -
多任务学习中任务相关性的模型MMoE
本文介绍的论文题目是:《Modeling Task Relationships in Multi-task Learning with Multi-gate Mixture-of-Experts》原创 2020-11-05 20:33:02 · 534 阅读 · 0 评论 -
全空间多任务模型(ESMM)
今天分享的论文是ESSM,https://arxiv.org/pdf/1804.07931.pdf原创 2020-11-05 20:30:21 · 709 阅读 · 0 评论 -
Deep & Cross Network for Ad Click Predictions(草稿)
今天分享的是DCN《Deep & Cross Network for Ad Click Predictions》原创 2020-11-05 11:42:56 · 774 阅读 · 0 评论 -
草稿 Embedding-based Retrieval in Facebook Search
不同于传统的网络搜索,社交网络上的检索问题不仅仅关注于query的文字信息,还要关注于个人的上下文信息。原创 2020-10-27 21:23:25 · 593 阅读 · 1 评论 -
推荐系统遇上深度学习(三) Deep Feedback Network for Recommendation(草稿)
本文分享的论文是微信在IJCAI-20发表的《Deep Feedback Network for Recommendation》论文下载地址:https://www.ijcai.org/Proceedings/2020/0349.pdf显式与隐式的反馈影响用户对于item的选择,学习用户表现很重要。但目前的推荐仅仅使用 负反馈(例如click),忽略了其他有价值的用户行为,本文中,综合考虑了隐式显式、正负反馈(????其实我好奇,难道正反馈和显式反馈不一样吗?)学习用户在推荐系统的无偏(unbiased原创 2020-10-22 16:25:51 · 1224 阅读 · 0 评论 -
《Deep Neural Networks for YouTube Recommendations》YouTube深度学习推荐系统
摘要YouTube是如今工业界最大和最复杂的推荐系统之一,作者提出了一种高效的基于深度学习的推荐系统。该系统和工业界经典的推荐流程一样,分为候选集生成( candidate generation也称为召回),排序(ranking)两个阶段。1. 引言在推荐系统领域,特别是YouTube的所在视频推荐领域,主要面临三个挑战:1)Scale(规模大):视频和用户数量巨大,很多现有的推荐算法能够...原创 2020-10-13 20:18:37 · 143 阅读 · 0 评论 -
Wide & Deep
今天分享一篇谷歌2016发表的推荐论文《Wide & Deep Learning for Recommender Systems》。#背景wide&deep设计了一种融合浅层(wide)模型和深层(deep)模型进行联合训练的框架。**Wide部分:**通过线性模型 + 特征交叉,使模型具有“记忆能力(Memorization)”,通常非常有效、可解释较强。但其”泛化能力(Generalization)“需要更多的人工特征工程。**Deep部分:**只需要少量的特征工程,深度神经网络原创 2020-10-10 20:13:58 · 1053 阅读 · 0 评论 -
FM
参考链接[1] 扒一扒 FM 算法的实现[2] Deep FM算法代码级精讲[3] FM因子分解机模型的原理、推导、代码和应用原创 2020-07-30 17:55:52 · 150 阅读 · 0 评论