06 2022 档案
摘要：在推荐系统的精排模块，多任务学习的模型结构已成业界的主流，获得了广阔的应用。多任务学习（multi-task learning），本质上是希望使用一个模型完成多个任务的建模。在推荐系统中，多任务学习一般即指多目标学习（multi-label learning），不同目标输入相同的feature进行联合训练，是迁移学习的一种。
阅读全文
摘要：召回是工业级推荐系统的第一个阶段，负责从大规模物料库中快速筛选出小规模的候选项目，这时候运行速度和召回率指标更加重要，精确率指标次要。目前，使用基于深度学习的双塔模型来做召回是主流方法。
本文将介绍两种双塔模型，经典双塔模性 DSSM 和 YouTubeDNN。
阅读全文
摘要：精排是推荐系统中最重要的环节，也是离用户最近的环节，而 CTR 是评价精排模型性能的重要指标。
本文将介绍提高 CTR 预测的两个经典精排模型 DIN 和 DeepFM，并使用 Torch-RecHub 框架来完成这两个模型的训练和测试。
阅读全文
摘要：推荐系统是缓解互联网等环境下信息过载问题的重要方法之一，在电商、电影和音乐等很多消费场景发挥了重要价值。然而，随着业务场景的不断更新和提出新的要求，推荐系统的设计也必须要不断改进。作为研究者或者工程师，有必要掌握一套好的工具来实现和改进推荐系统相关的架构和模型，提升科研和工作效率。
Torch-RecHub 是一个轻量级的pytorch推荐模型框架，易用易拓展，聚焦复现业界实用的推荐模型，以及泛生态化的推荐场景，是值得学习和掌握的。而且，Torch-RecHub 有优秀的团队一直在维护和改进，并且有良好的社群可以学习和讨论。
阅读全文
