随笔分类 - 推荐系统
摘要：先看的这篇文章: https://zhuanlan.zhihu.com/p/266986939 https://zhuanlan.zhihu.com/p/425237367 这个是讲Transformer4Rec的 今天买TV，明天买手机。那么如果要推荐更精准，我们应该关注当下用户的兴趣。从他开始一
阅读全文
摘要：今天学习这篇文章： https://zhuanlan.zhihu.com/p/441233636 有了预估的CTR和CVR之后，我们就可以按照如下公式来对候选商品排序： 1. 模型选择 通过前文的分析，我们确定了要在统一模型中同时建模CTR预估和CVR预估，这么做一个明显的好处是在推荐链路上只需要一
阅读全文
摘要：参考这篇文章： https://zhuanlan.zhihu.com/p/479267766 推荐效果不佳时的检查清单
阅读全文
摘要：推荐系统中常用评测指标 参考这篇文章： https://www.jianshu.com/p/99e8f24ec7df
阅读全文
摘要：在CTR预估中，为了解决稀疏特征的问题，学者们提出了FM模型来建模特征之间的交互关系。但是FM模型只能表达特征之间两两组合之间的关系，无法建模两个特征之间深层次的关系或者说多个特征之间的交互关系，因此学者们通过Deep Network来建模更高阶的特征之间的关系。 因此 FM和深度网络DNN的结合也
阅读全文
摘要：参考这篇文章： https://www.cnblogs.com/zwt20120701/p/15557602.html （1）P-R曲线是分别将查准率Precision（精确率）作为纵坐标，查全率Recall（召回率）作为横坐标作的图。 （2）ROC曲线、AUC面积、Gini系数、KS值 都是基于真
阅读全文
摘要：接上一篇： https://www.cnblogs.com/charlesblc/p/15991579.html 参考这篇文章，讲deepFM https://www.jianshu.com/p/6f1c2643d31b 对于一个基于CTR预估的推荐系统，最重要的是学习到用户点击行为背后隐含的特征组
阅读全文
摘要：今天准备看这篇文章： https://www.jianshu.com/p/152ae633fb00 是这个系列里面的文章： https://github.com/princewen/tensorflow_practice/ 组合部分的特征相关参数共有n(n−1)/2个。但是如第二部分所分析，在数据很
阅读全文
摘要：这个博客系列有很多相关文章，可以参考： https://www.jianshu.com/u/c5df9e229a67 推荐系统遇上深度学习
阅读全文
摘要：参考这篇文章： https://mp.weixin.qq.com/s/0WytNSBhqWeEWx1avXysiA 《搜索、推荐、广告中的曝光偏差问题》 最近在做的推荐版本里面也会针对曝光偏差进行优化。 机器学习本质上是在学习数据的分布, 其有效性的假设是模型 training 和 serving
阅读全文
摘要：高维稀疏数据进行快速相似查找，可以采用learning to hash,但高维稠密数据查找则采用annoy learning to hash 参考： https://blog.csdn.net/hero_fantao/article/details/70245284《海量数据相似查找系列1 -- M
阅读全文
摘要：参考这篇文章： https://zhuanlan.zhihu.com/p/128988454 《谷歌最新双塔DNN召回模型——应用于YouTube大规模视频推荐场景》 https://zhuanlan.zhihu.com/p/93257390 《向量化召回在360信息流广告的实践》 先是第一篇： h
阅读全文
摘要：参考这篇文章： https://zhuanlan.zhihu.com/p/146210155 《百度凤巢新一代广告召回系统——“莫比乌斯”》 从上面的训练流程图可以大致归结为如下几步： （1）首先从点击日志中加载一个batch的数据 （2）利用这一个batch的数据构建两个集合，即query集合和广
阅读全文
摘要：最近在做实时推荐，分成三个阶段来做： 第一步，先利用相似推荐补充到实时数据流 第二步，加入实时特征应用到线上推荐模型 第三步，针对模型进行实时训练学习改造 实时推荐的各种模型，可以看一下： https://zhuanlan.zhihu.com/p/385709488 1.Lambda架构 Lambd
阅读全文
摘要：这些实时推荐的一些文章，可以看一下： https://aijishu.com/a/1060000000196687 《微信看一看实时相关推荐介绍》 https://zhuanlan.zhihu.com/p/74813776 《天下武功，唯快不破，论推荐系统的「 实时性」》 https://zhuan
阅读全文
摘要：推荐/搜索系统中，为什么需要重排模块。 推荐系统的架构大致分为如下几个模块：召回、粗排、精排、重排，那么为什么要引入重排模块呢。 在精排阶段，我们希望得到的是一个候选排序队列的全局最优解，但是实际上，通常在精排阶段，我们精排模型是针对用户和每一个候选广告（商品）输出一个分值；而每个候选之间也会相互影
阅读全文
