![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
文章平均质量分 96
Clichong
这个作者很懒,什么都没留下…
展开
-
推荐系统专题 | CTR预测跨域处理的解决方案
在最近的华为ctr预测比赛中,一开始首先想到的方法是使用深度学习的方法来解决这个跨域的CTR预测问题。但开始上手的时候会发现其中需要解决很多的细节问题,这里把当时需要处理的细节问题与后来解决的方案记录下来,同时算法的开源地址如下:https://github.com/Clichong/CTR。原创 2022-09-29 16:56:01 · 1095 阅读 · 1 评论 -
推荐系统专题 | MiNet:跨域CTR预测
现有的模型中主要是解决单域的ctr预测问题,但是广告通常以自然内容显示,这为跨域CTR预测提供了机会。所以,作者提出了混合兴趣网络(MixedInterestNetwork)来处理跨域问题,其中源域是新闻信息,目标域是广告。MiNet联合三种用户兴趣包含两种级别的注意力机制来有效的解决这个跨域问题。...原创 2022-07-23 18:17:27 · 966 阅读 · 0 评论 -
推荐系统专题 | 推荐系统架构与单域跨域召回模型
最近开始接触推荐系统的相关模型,内容有点杂乱。主要是想了解一下**跨域的CTR预测问题**,在网上找了一下资料,找到了一些跨域的推荐算法,比如:DTCTR,MV-DNN等等。但是看了看模型感觉都不想要的解决方案,有点类似有又有点不同。后来觉得,这些算法应该是处理跨域的召回推荐问题,所以想用这篇文章来整理一下笔记与思路。主要的内容是记录推荐系统的整个算法架构(不是系统架构),然后再记录一下看过的一些召回模型(单域与跨域)。资料均来源与各种博客,这里只是做一个对我个人的简单记录,详细内容可以见参考资料。..原创 2022-07-21 17:16:40 · 921 阅读 · 2 评论 -
推荐系统专题 | 单域推荐系统模型汇总(召回与排序算法)
许久没有写博客记录笔记,最近在看推荐系统的相关模型,网站的资料以及非常完善了,这里用这篇博客来汇总推荐系统中一些经典的排序模型(推荐系统从算法层面上可以细分为多个阶段:物料库——召回——粗排——精排——重排)这里介绍的模型就是一些排序模型。简单来说,就是将问题转化为CTR预测任务,以概率来对需要推荐不同的商品进行排序。以下资料是根据参考资料的浓缩摘抄,只针对我个人以后的温故知新,想了解详细细节可以看原论文与相关资料。.........原创 2022-07-19 21:43:43 · 808 阅读 · 0 评论