06 2021 档案

推荐系统（15）—— 召回的Swing算法
摘要：1.Swing算法介绍 Swing算法原理比较简单，是阿里早期使用到的一种召回算法，在阿里多个业务被验证过非常有效的一种召回方式，它认为 user-item-user 的结构比 itemCF 的单边结构更稳定。 为了衡量物品ii和jj的相似性，考察都购买了物品ii和jj的用户uu和vv， 如果这两个 阅读全文
posted @ 2021-06-30 14:28 深度机器学习 阅读(2734) 评论(0) 推荐(0) 编辑
机器学习（三十七）— 样本负采样 & 对应修正公式
摘要：对于巨型互联网公司来说，为了控制数据规模，降低训练开销，降采样几乎是通用的手段，facebook 实践了两种降采样的方法，uniform subsampling 和 negative down sampling。 1、uniform subsampling uniform subsampling 是 阅读全文
posted @ 2021-06-23 18:08 深度机器学习 阅读(3626) 评论(0) 推荐(0) 编辑
推荐系统（14）—— 快手推荐精排模型的发展史
摘要：1、参数个性化 CTR 模型 - PPNet 2019 年之前，快手 App 主要以双列的瀑布流玩法为主，用户同视频的交互与点击，观看双阶段来区分。在这种形式下， CTR 预估模型变得尤为关键，因为它将直接决定用户是否愿意点击展示给他们的视频。彼时业界主流的推荐模型还是以 DNN、DeepFM 等简 阅读全文
posted @ 2021-06-23 15:28 深度机器学习 阅读(3903) 评论(0) 推荐(1) 编辑
推荐系统（13）—— 短视频推荐现状_快手&抖音
摘要：一、快手、抖音产品区别 1、用户群体 市面上流传着一句话“南抖音、北快手”，就是说玩抖音与玩快手的人群不同，说南方人喜欢玩抖音，北方人喜欢玩快手。这主要是与南北方习俗有直接联系，相对而言南方人喜欢安静，北方人喜欢热热闹闹的感觉，所以视频风格也有差异，虽然说现在抖音已经走向全球化，但是基本的用户群体还 阅读全文
posted @ 2021-06-23 14:28 深度机器学习 阅读(1591) 评论(0) 推荐(0) 编辑
推荐系统（12）—— 消除偏差
摘要：1、推荐系统偏差概述 1. Selection Bias 选择偏差主要来自用户的显式反馈，如对物品的评分。由于用户倾向于对自己感兴趣的物品打分，很少对自己很少对自己不感兴趣的物品打分，造成了数据非随机缺失(Missing Not At Random, MNAR)问题，观察到的评分并不是所有评分的代表 阅读全文
posted @ 2021-06-17 16:55 深度机器学习 阅读(3615) 评论(0) 推荐(0) 编辑
推荐系统（11）—— 多目标排序应用实践_快手
摘要：1、推荐场景 快手主要的流量形态 有 4 个页面：在这些流量分发的场景中，推荐算法是起着核心主导作用，直接决定了用户的体验。 ① 发现页：致力于让用户看见更大的世界，分为单列和双列两种形态。 双列 点选模式，给用户提供选择的自由 单列 上下滑浏览，给用户沉浸式的浏览体验 ② 关注页：一个半熟人半陌生 阅读全文
posted @ 2021-06-17 15:26 深度机器学习 阅读(2192) 评论(0) 推荐(1) 编辑
机器学习（三十六）— KL散度不对称讨论
摘要：问题：如果分布P和Q，KL(P||Q)很大而KL(Q||P)很小表示什么现象？ 还是看定义吧。直观来说，这是对随机变量的每个取值上，这个值的加权平均。这里加权的权值是 （其实就是算了个期望）。 在大的地方，想让KL散度小，我们需要让的值尽量也大；而当本身小的时候，对整个KL的影响却没有那么大（因为l 阅读全文
posted @ 2021-06-09 20:41 深度机器学习 阅读(744) 评论(0) 推荐(0) 编辑