wxgaws的博客

参考Learning To Rank之LambdaMART的前世今生知识点XGboost和GBDT的区别？

参考AUC计算方法与Python实现代码python计算auc指标代码def calAUC(prob,labels): f = list(zip(prob,labels)) rank = [values2 for values1,values2 in sorted(f,key=lambda x:x[0])] rankList = [i+1 for i in range(len(rank)) if rank[i]==1] posNum = 0 negNum = 0 for

在线指标点击率。例如对电商平台，浏览率、购买率等。相关性标注。对推荐结果进行人工标注，观察推荐内容的相关性。多样性。离线指标PRAUCMAPNDCG

案例多分类问题。几十万样本，400维特征，目标类别约1000类，使用xgboost做多分类。使用64核cpu训练需要1.5周。使用单核GPU，型号T4，显存16G，训练时间减少至1.5小时。

参考奔奔：推荐算法注意点和DeepFM工程化实现石塔西：用TensorFlow实现支持多值、稀疏、共享权重的DeepFM蘑菇街首页推荐视频流——增量学习与wide&deepFM实践（工程+算法）蘑菇街首页推荐视频流——增量学习与wide&deepFM实践（工程+算法）...

参考几种经典的hash算法。Java版的各种hash算法实现。算法乘法hash。jdk5.0里面的String类的hashCode()方法也使用乘法Hash，它使用的乘数是31。推荐的乘数还有：131, 1313, 13131, 131313等等。 static int bernstein(String key) { int seed = 31 int hash = 0; for (int i=0; i<key.length(); ++i) hash = seed*ha

参考DINDIENDSIN（Deep Session Interest Network ）分享论文笔记：ESMM(阿里出品)KDD2020｜阿里团队最新的多元兴趣推荐模型—ComiRec阿里推荐算法（MIND）：基于动态路由的用户多兴趣网络阿里推荐算法（BST）: 将Transformer用于淘宝电商推荐兴趣树(TDM)【阿里算法天才盖坤】解读阿里深度学习实践，CTR 预估、MLR 模型、兴趣分布网络等...

参考推荐精排模型之多目标模型多目标学习在推荐系统的应用(MMOE/ESMM/PLE)推荐系统中的多目标学习