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
posted @ 2022-02-27 22:25
blcblc
阅读(534)
评论(0)
推荐(0)
摘要：
faiss： https://zhuanlan.zhihu.com/p/266589272 milvus： https://gitee.com/milvus-io/milvus catboost： https://zhuanlan.zhihu.com/p/102540344 阅读全文
posted @ 2022-02-25 19:49
blcblc
阅读(86)
评论(0)
推荐(0)
该文被密码保护。 阅读全文
posted @ 2022-02-24 20:23
blcblc
阅读(0)
评论(0)
推荐(0)
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
posted @ 2022-02-24 17:30
blcblc
阅读(1533)
评论(0)
推荐(0)
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
posted @ 2022-02-24 16:25
blcblc
阅读(1533)
评论(0)
推荐(0)
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
posted @ 2022-02-24 15:07
blcblc
阅读(478)
评论(0)
推荐(0)
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
posted @ 2022-02-24 14:23
blcblc
阅读(364)
评论(0)
推荐(0)
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
posted @ 2022-02-23 22:36
blcblc
阅读(39)
评论(0)
推荐(0)
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
posted @ 2022-02-23 22:34
blcblc
阅读(681)
评论(0)
推荐(0)
摘要：
PRelu可以参考这篇文章： https://www.cnblogs.com/catpainter/p/8406285.html PReLU全名Parametric Rectified Linear Unit. PReLU-nets在ImageNet 2012分类数据集top-5上取得了4.94%的 阅读全文
posted @ 2022-02-23 19:44
blcblc
阅读(3138)
评论(0)
推荐(0)
浙公网安备 33010602011771号