炼数成金 商业智能推荐系统
订阅

推荐系统

当推荐遇到冷启动
当推荐遇到冷启动
冷启动问题,大家并不陌生。但是如何解决呢?加特征,加样本,加图谱,加规则?十方在做信息流广告推荐时,主要通过加一些泛化特征解决冷启动问题,但是这样并不一定是最好的方案,新广告很大程度上,还是会被模型 ...
Attention!当推荐系统遇见注意力机制
Attention!当推荐系统遇见注意力机制
当注意力机制都已经变成很tasteless的手法的时候,使用或者魔改注意力机制一定要专注讲好自己的故事:即『为什么要用Attention,为什么要魔改Attention』。现阶段从传统的CF,FM等方法到NFM,DeepFM等等,虽然开始用 ...
万物皆可Graph | 当推荐系统遇上图神经网络
万物皆可Graph | 当推荐系统遇上图神经网络
图神经网络可以说是现在AI领域的超级宠儿。针对推荐系统的稀疏性问题,图方法还真的很适合,主要原因有下:推荐系统中存在很多的图结构,如二部图,序列图,社交关系图,知识语义图等,GNN比传统的随机游走等能有更 ...
推荐系统架构与算法流程详解
推荐系统架构与算法流程详解
如果说互联网的目标就是连接一切,那么推荐系统的作用就是建立更加有效率的连接,推荐系统可以更有效率的连接用户与内容和服务,节约了大量的时间和成本。如果把推荐系统简单拆开来看,推荐系统主要是由数据、算法、 ...
一文带你了解协同过滤的前世今生
一文带你了解协同过滤的前世今生
协同过滤是基于用户行为设计的推荐算法,具体来说,是通过群体的行为来找到某种相似性(用户之间的相似性或者物品之间的相似性),通过相似性来为用户做决策和推荐。从字面上理解,协同过滤包括协同和过滤两个操作。 ...
深度学习推荐系统中各类流行的Embedding方法(下)
深度学习推荐系统中各类流行的Embedding方法(下)
Word2Vec和其衍生出的Item2Vec类模型是Embedding技术的基础性方法,二者都是建立在“序列”样本(比如句子、用户行为序列)的基础上的。在互联网场景下,数据对象之间更多呈现的是图结构,所以Item2Vec在处理大量的 ...
深度学习推荐系统中各类流行的Embedding方法(上)
深度学习推荐系统中各类流行的Embedding方法(上)
Embedding,中文直译为“嵌入”,常被翻译为“向量化”或者“向量映射”。在整个深度学习框架中都是十分重要的“基本操作”,不论是NLP(Natural Language Processing,自然语言处理)、搜索排序,还是推荐系统,或 ...
为什么搜索与推荐场景用AUC评价模型好坏?
为什么搜索与推荐场景用AUC评价模型好坏?
对比accuracy、precision等指标,AUC指标本身和模型预测score绝对值无关,只关注排序效果,因此特别适合排序业务。为何与模型预测score值无关为何是很好的特性呢?假设你采用precision、F1等指标,而模型预测的score ...
Google | 创造Youtube单次上线最高收益!解决推荐中的信息茧房困境
Google | 创造Youtube单次上线最高收益!解决推荐中的信息茧房困境
众所周知,工业界大规模推荐系统一般都是有百万、千万级甚至更大规模的item候选集,因此从RL的角度来说,action空间异常的庞大。同时用户规模都是数以十亿计,带来了更复杂的user state空间。当前主流做法都是从大规 ...
Transformer 在美团搜索排序中的实践
Transformer 在美团搜索排序中的实践
近些年,基于 Transformer的一些 NLP 模型大放光彩,比如 BERT 等等(可参考《美团BERT的探索和实践》),将 Transformer 结构应用于搜索推荐系统也成为业界的一个潮流。比如应用于对 CTR 预估模型进行特征组合的 Au ...
广告算法在阿里文娱用户增长中的实践
广告算法在阿里文娱用户增长中的实践
从2019年开始,优酷使用DSP在今日头条、阿里妈妈等平台投放视频广告,实现用户的稳定增长。我们将用户增长领域与广告竞价领域结合,借鉴推荐领域的实践,基于特有的业务背景,开发落地了一系列算法。在成本及预算可 ...
不要犯战略性的失误——如何合理制定推荐系统的优化目标?
不要犯战略性的失误——如何合理制定推荐系统的优化目标?
本文要谈的是推荐系统的优化目标的问题。作为一名算法工程师来讲,最关心的往往是模型的创新、技术的演进。笔者在最开始工作的几年,也经历过这样的阶段,执着的追求于应用最新的技术,追踪最新的paper,更新最新的 ...
Pinterest如何打造出硅谷最成功的推荐算法?
Pinterest如何打造出硅谷最成功的推荐算法?
从一开始,你就告诉了 Pinterest 怎样给你建立个人画像。当你注册时,Pinterest 的网页会询问你两个私人问题——你的年龄和性别——你的回答决定了接下来将要发生的一切。基于你对这两个问题的回答,以及你所使用的 ...
Instagram推荐系统:每秒预测9000万个模型是怎么做到的?
Instagram推荐系统:每秒预测9000万个模型是怎么做到的?
每个月,超过一半的 Instagram 社区成员都会访问 Instagram Explore 页面,寻找他们感兴趣的新照片、视频和故事。在数以亿计的选项中,如何大规模实时推荐与用户最相关的内容,给 Instagram 的工程师带来了许多挑战 ...
图解抖音推荐算法
图解抖音推荐算法
在抖音,每天有数量庞大的新作品上传,纯靠机器审核容易被钻空子,纯靠人工审核又不太现实。因此,双重审核成为抖音算法筛选视频内容的第一道门槛。机器审核:一般是通过提前设置好的人工智能模型来识别你的视频画面 ...
12345下一页

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

热门文章

    社区热帖

       

      GMT+8, 2021-9-21 14:13 , Processed in 0.122403 second(s), 16 queries .