个性化推荐系统
文章平均质量分 95
冰露可乐
勤能补拙
展开
-
一文看懂推荐系统:谷歌YouTubeDNN(Deep Neural Networks for YouTube Recommendations),这适合召回,专门搞user embedding的,配合
youtubeNet已经很古老了,适合召回,反正就是搞清楚usr embedding的过程呗,配合item embedding,就可以做双塔模型召回了,另外,独特的场景,考虑独特的特征,很重要,视频推荐,图文推荐,美食推荐,各有不同的场景的...原创 2022-08-28 10:45:45 · 2067 阅读 · 1 评论 -
一文看懂推荐系统:Gate网络2:百度GemNN(Gating-Enhanced Multi-Task Neural Networks)
Gate网络2:百度GemNN(Gating-Enhanced Multi-Task Neural Networks)原创 2022-08-28 10:29:20 · 1123 阅读 · 0 评论 -
一文看懂推荐系统:Gate网络(一):新浪微博GateNet,GateNet就是想用attention的方法去搞,和SENet一样,都是张俊林的杰作
新浪微博GateNet,GateNet就是想用attention的方法去搞,和SENet一样,都是张俊林的杰作原创 2022-08-28 10:22:15 · 2285 阅读 · 0 评论 -
一文看懂推荐系统:排序16:Dual Augmented Two-tower Model和张俊林的SENet,都是为了加入特征交叉想,增强重要特征,去掉噪声,类似于attention的骚操作
一文看懂推荐系统:排序16:Dual Augmented Two-tower Model和张俊林的SENet,都是为了加入特征交叉想,增强重要特征,去掉噪声,类似于attention的骚操作原创 2022-08-28 10:01:40 · 983 阅读 · 0 评论 -
一文看懂推荐系统:经典双塔模型:微软DSSM模型(Deep Structured Semantic Models),无特征交互,后来美团改进了
经典双塔模型:微软DSSM模型(Deep Structured Semantic Models),无特征交互,后来美团改进了原创 2022-08-28 09:34:46 · 1795 阅读 · 0 评论 -
一文看懂推荐系统:排序15:DeepFM模型(Factorization-Machine),xDeepFM可不是对DeepFM的改编哦,而是对DCN的改编
xDeepFM可不是对DeepFM的改编哦,而是对DCN的改编原创 2022-08-28 08:49:04 · 1143 阅读 · 2 评论 -
一文看懂推荐系统:排序14:PNN模型(Product-based Neural Networks),和FNN一个作者,干掉FM,加上LR+Product
PNN模型(Product-based Neural Networks),和FNN一个作者,干掉FM,加上LR+Product原创 2022-08-28 08:34:31 · 729 阅读 · 0 评论 -
一文看懂推荐系统:排序13:FNN模型(FM+MLP=FNN),与PNN同属上海交大张楠的作品
两阶段FM+MLP原创 2022-08-28 08:20:38 · 907 阅读 · 0 评论 -
一文看懂推荐系统:排序12:xDeepFM模型,并不是对DeepFM的改进,而是对DCN的改进哦
xDeepFM模型,并不是对DeepFM的改进,而是对DCN的改进哦,但是复杂度过于高了,不玩原创 2022-08-28 08:09:51 · 813 阅读 · 0 评论 -
一文看懂推荐系统:排序11:Deep & Cross Network(DCN)
DCN是对wide&deep网络中wide部分做了改进为cross network原创 2022-08-27 18:00:18 · 1695 阅读 · 0 评论 -
一文看懂推荐系统:排序10:wide&deep模型,wide就是LR负责记忆,deep负责高阶特征交叉而泛化
一文看懂推荐系统:排序10:wide&deep模型,wide就是LR负责记忆,deep负责高阶特征交叉而泛化原创 2022-08-27 09:46:20 · 1239 阅读 · 0 评论 -
一文看懂推荐系统:排序09:Field-aware Factorization Machines(FFM),从FM改进来的,效果不咋地
从FM改进来的,效果不咋地原创 2022-08-27 09:30:49 · 687 阅读 · 0 评论 -
互联网大厂面试官:推荐系统最经典的 排序模型 有哪些?你了解多少?
下一篇文章开始,我会仔细一个个把精排模型梳理清楚都有哪些?他们有啥特点?面试官很在乎你的基础功底的,所以你务必自己理解透了原创 2022-08-27 08:13:14 · 3237 阅读 · 0 评论 -
一文看懂推荐系统:物品冷启06:冷启的AB测试
这是因为冷启至少有两个目标,一个是激励作者发布,另一个是让用户满意。原创 2022-08-24 09:47:13 · 965 阅读 · 2 评论 -
一文看懂推荐系统:物品冷启05:流量调控
:这节介绍的动态提权,保量和差异化保量算不上业界的顶尖技术,但也算是比较先进的技术。根据业界的经验,如果能把保量的基础做好,对发布的指标会有非常大的提升。原创 2022-08-24 08:46:50 · 2699 阅读 · 0 评论 -
一文看懂推荐系统:物品冷启04:Look-Alike 召回,Look-Alike人群扩散
我们用种子用户向量的平均表征新笔记,去跟右边用户求相似度,实际上就是求右边用户对新笔记的喜好,也是右边用户跟种子用户的相似计算原创 2022-08-24 07:49:28 · 1784 阅读 · 0 评论 -
一文看懂推荐系统:物品冷启03:聚类召回
基本思想是根据用户的点赞、收藏、转发、记录推荐内容相似的笔记原创 2022-08-23 22:56:18 · 1239 阅读 · 0 评论 -
一文看懂推荐系统:物品冷启02:简单的召回通道
双塔模型召回和类目关键词召回原创 2022-08-23 17:16:17 · 1391 阅读 · 0 评论 -
一文看懂推荐系统:物品冷启01:优化目标 & 评价指标
我介绍冷启动的评价指标分为作者侧指标,用户侧指标和内容侧指标,原创 2022-08-23 11:26:15 · 1816 阅读 · 0 评论 -
一文看懂推荐系统:特征交叉01:Factorized Machine (FM) 因式分解机
现在FM在工业界推荐系统中已经过时了原创 2022-08-23 09:31:17 · 1277 阅读 · 0 评论 -
一文看懂推荐系统:排序06:粗排三塔模型,性能介于双塔模型和精排模型之间
这节介绍了粗排的三叉模型,它介于双塔模型和精排牌模型之间。原创 2022-08-22 19:33:50 · 4239 阅读 · 1 评论 -
一文看懂推荐系统:排序05:排序模型的特征
用户画像、物品画像、统计特征,还有场景特征原创 2022-08-22 10:58:44 · 1700 阅读 · 0 评论 -
一文看懂推荐系统:排序04:视频播放建模
我详细解释了如何对播放时长和完播率做建模原创 2022-08-22 10:23:40 · 3070 阅读 · 0 评论 -
一文看懂推荐系统:排序03:预估分数融合
这节简要介绍了工业界排序的几种融分公式,加权、排序加权、转化率连乘等原创 2022-08-22 09:31:54 · 2322 阅读 · 0 评论 -
一文看懂推荐系统:排序02:Multi-gate Mixture-of-Experts (MMoE)
如果你们公司没有用MMOE,很可能是尝试之后发现没有提升。原创 2022-08-22 09:11:30 · 2072 阅读 · 0 评论 -
一文看懂推荐系统:排序01:多目标模型
今日推荐系统学习经验:这节介绍了排序的多目标模型,用于估计点击率、点赞率等指标,做完预估之后要跟预估值进行校准原创 2022-08-22 08:46:25 · 2364 阅读 · 0 评论 -
一文看懂推荐系统:召回09:地理位置召回、作者召回、缓存召回
(1)找工作投简历的话,你要将招聘单位的岗位需求和你的研究方向和工作内容对应起来,这样才能契合公司招聘需求,否则它直接把简历给你挂了(2)你到底是要进公司做推荐系统方向?还是纯cv方向?还是NLP方向?还是语音方向?还是深度学习机器学习技术中台?还是硬件?还是前端开发?后端开发?测试开发?产品?人力?行政?这些你不可能啥都会,你需要找准一个方向,自己有积累,才能去投递,否则面试官跟你聊什么呢?(3)今日推荐系统学习经验:地理、同城、交互关注相似的作者,缓存机制,都是实际用的工业推荐系统的技巧原创 2022-08-22 08:10:31 · 1357 阅读 · 0 评论 -
一文看懂推荐系统:召回08:双塔模型——线上服务需要离线存物品向量、模型更新分为全量更新和增量更新
(1)找工作投简历的话,你要将招聘单位的岗位需求和你的研究方向和工作内容对应起来,这样才能契合公司招聘需求,否则它直接把简历给你挂了(2)你到底是要进公司做推荐系统方向?还是纯cv方向?还是NLP方向?还是语音方向?还是深度学习机器学习技术中台?还是硬件?还是前端开发?后端开发?测试开发?产品?人力?行政?这些你不可能啥都会,你需要找准一个方向,自己有积累,才能去投递,否则面试官跟你聊什么呢?(3)今日推荐系统学习经验:现在先进的推荐系统都会结合全量更新和增量更新。...原创 2022-08-05 17:35:23 · 2815 阅读 · 9 评论 -
一文看懂推荐系统:召回07:双塔模型——正负样本的选择,召回的目的是区分感兴趣和不感兴趣的,精排是区分感兴趣和非常感兴趣的
(1)找工作投简历的话,你要将招聘单位的岗位需求和你的研究方向和工作内容对应起来,这样才能契合公司招聘需求,否则它直接把简历给你挂了(2)你到底是要进公司做推荐系统方向?还是纯cv方向?还是NLP方向?还是语音方向?还是深度学习机器学习技术中台?还是硬件?还是前端开发?后端开发?测试开发?产品?人力?行政?这些你不可能啥都会,你需要找准一个方向,自己有积累,才能去投递,否则面试官跟你聊什么呢?(3)今日推荐系统学习经验:不应该把曝光但是没有点击的物品作为召回的负样本,而是召回的正样本哦,这些也只能是精排原创 2022-08-05 10:34:39 · 3724 阅读 · 3 评论 -
一文看懂推荐系统:召回06:双塔模型——模型结构、训练方法,召回模型是后期融合特征,排序模型是前期融合特征
(1)找工作投简历的话,你要将招聘单位的岗位需求和你的研究方向和工作内容对应起来,这样才能契合公司招聘需求,否则它直接把简历给你挂了(2)你到底是要进公司做推荐系统方向?还是纯cv方向?还是NLP方向?还是语音方向?还是深度学习机器学习技术中台?还是硬件?还是前端开发?后端开发?测试开发?产品?人力?行政?这些你不可能啥都会,你需要找准一个方向,自己有积累,才能去投递,否则面试官跟你聊什么呢?(3)今日推荐系统学习经验:三种训练方法的本质都是让用户和正样本物品的余弦相似度大,而用户跟负样本的余弦相似度小原创 2022-08-04 17:48:27 · 5563 阅读 · 0 评论 -
一文看懂推荐系统:召回05:矩阵补充、最近邻查找,工业界基本不用了,但是有助于理解双塔模型
(1)找工作投简历的话,你要将招聘单位的岗位需求和你的研究方向和工作内容对应起来,这样才能契合公司招聘需求,否则它直接把简历给你挂了(2)你到底是要进公司做推荐系统方向?还是纯cv方向?还是NLP方向?还是语音方向?还是深度学习机器学习技术中台?还是硬件?还是前端开发?后端开发?测试开发?产品?人力?行政?这些你不可能啥都会,你需要找准一个方向,自己有积累,才能去投递,否则面试官跟你聊什么呢?(3)今日推荐系统学习经验:模型的输出是一个实数(两个向量的内积),是用户对物品兴趣的预估值rate,这个数越大原创 2022-08-03 21:13:43 · 1986 阅读 · 0 评论 -
一文看懂推荐系统:召回04:离散特征处理,one-hot编码和embedding特征嵌入
(1)找工作投简历的话,你要将招聘单位的岗位需求和你的研究方向和工作内容对应起来,这样才能契合公司招聘需求,否则它直接把简历给你挂了(2)你到底是要进公司做推荐系统方向?还是纯cv方向?还是NLP方向?还是语音方向?还是深度学习机器学习技术中台?还是硬件?还是前端开发?后端开发?测试开发?产品?人力?行政?这些你不可能啥都会,你需要找准一个方向,自己有积累,才能去投递,否则面试官跟你聊什么呢?(3)今日推荐系统学习经验:one hot编码就是总共多少类别,每个类别序号对应位置是1,其余位置是0embe原创 2022-08-03 16:12:16 · 3340 阅读 · 3 评论 -
一文看懂推荐系统:召回03:基于用户的协同过滤(UserCF),要计算用户之间的相似度
(1)找工作投简历的话,你要将招聘单位的岗位需求和你的研究方向和工作内容对应起来,这样才能契合公司招聘需求,否则它直接把简历给你挂了(2)你到底是要进公司做推荐系统方向?还是纯cv方向?还是NLP方向?还是语音方向?还是深度学习机器学习技术中台?还是硬件?还是前端开发?后端开发?测试开发?产品?人力?行政?这些你不可能啥都会,你需要找准一个方向,自己有积累,才能去投递,否则面试官跟你聊什么呢?(3)今日推荐系统学习经验:因此,求物品相似度,看喜欢这些物品的用户的状况,反之,求用户相似度,看用户喜欢过的物原创 2022-08-03 14:59:36 · 3424 阅读 · 0 评论 -
一文看懂推荐系统:召回02:Swing 模型,和itemCF很相似,区别在于计算相似度的方法不一样
(1)找工作投简历的话,你要将招聘单位的岗位需求和你的研究方向和工作内容对应起来,这样才能契合公司招聘需求,否则它直接把简历给你挂了(2)你到底是要进公司做推荐系统方向?还是纯cv方向?还是NLP方向?还是语音方向?还是深度学习机器学习技术中台?还是硬件?还是前端开发?后端开发?测试开发?产品?人力?行政?这些你不可能啥都会,你需要找准一个方向,自己有积累,才能去投递,否则面试官跟你聊什么呢?(3)今日推荐系统学习经验:总而言之,Swing跟item cf的区别就是在计算物品相似度的时候,要降低小圈子用原创 2022-08-03 13:59:00 · 4270 阅读 · 2 评论 -
一文看懂推荐系统:召回01:基于物品的协同过滤(ItemCF),item-based Collaboration Filter的核心思想与推荐过程
(1)找工作投简历的话,你要将招聘单位的岗位需求和你的研究方向和工作内容对应起来,这样才能契合公司招聘需求,否则它直接把简历给你挂了(2)你到底是要进公司做推荐系统方向?还是纯cv方向?还是NLP方向?还是语音方向?还是深度学习机器学习技术中台?还是硬件?还是前端开发?后端开发?测试开发?产品?人力?行政?这些你不可能啥都会,你需要找准一个方向,自己有积累,才能去投递,否则面试官跟你聊什么呢?(3)今日推荐系统学习经验:itemCF就是根据待推荐物品,和我操作过的一堆物品的相似度(加我对他们的喜欢程度)原创 2022-08-03 12:25:59 · 3337 阅读 · 0 评论 -
一文看懂推荐系统:概要02:推荐系统的链路,从召回粗排,到精排,到重排,最终推荐展示给用户
(1)找工作投简历的话,你要将招聘单位的岗位需求和你的研究方向和工作内容对应起来,这样才能契合公司招聘需求,否则它直接把简历给你挂了(2)你到底是要进公司做推荐系统方向?还是纯cv方向?还是NLP方向?还是语音方向?还是深度学习机器学习技术中台?还是硬件?还是前端开发?后端开发?测试开发?产品?人力?行政?这些你不可能啥都会,你需要找准一个方向,自己有积累,才能去投递,否则面试官跟你聊什么呢?(3)今日推荐系统学习经验:推荐系统的目标是从物品的数据库中选出几十个物品展示给用户,推荐系统的链路分为召回、粗原创 2022-08-03 10:59:02 · 3857 阅读 · 0 评论 -
一文看懂推荐系统:概要01:推荐系统的基本概念
(1)找工作投简历的话,你要将招聘单位的岗位需求和你的研究方向和工作内容对应起来,这样才能契合公司招聘需求,否则它直接把简历给你挂了(2)你到底是要进公司做推荐系统方向?还是纯cv方向?还是NLP方向?还是语音方向?还是深度学习机器学习技术中台?还是硬件?还是前端开发?后端开发?测试开发?产品?人力?行政?这些你不可能啥都会,你需要找准一个方向,自己有积累,才能去投递,否则面试官跟你聊什么呢?(3)今日推荐系统学习经验:算法工程师的工作就是对模型、特征、策略系统和改进,提升各种指标,推进系统能否最终上线原创 2022-08-02 11:33:37 · 5505 阅读 · 0 评论