vivo互联网机器学习平台的建设与实践
- 2022 年 10 月 11 日
- 筆記
vivo 互联网产品团队 – Wang xiao 随着广告和内容等推荐场景的扩展，算法模型也在不断演进迭代中 …
Continue Reading
TDM 三部曲 (与 Deep Retrieval)
- 2022 年 8 月 15 日
- 筆記
推荐系统的主要目的是从海量物品库中高效检索用户最感兴趣的物品，既然是“海量”，意味着用户基本不可能浏览完所有的物品，所以 …
Continue Reading
联邦学习：联邦多视角学习在跨领域推荐中的应用
- 2022 年 8 月 13 日
- 筆記
1 导引 1.多视角推荐模型 推荐系统中常常面临冷启动和用户交互数据稀疏的问题。解决这个问题的一个手段就是对用户在多个领 …
Continue Reading
推荐系统-协同过滤在Spark中的实现
- 2022 年 7 月 25 日
- 筆記
作者：vivo 互联网服务器团队-Tang Shutao 现如今推荐无处不在，例如抖音、淘宝、京东App均能见到推荐系统 …
Continue Reading推荐系统 TOP K 评价指标
- 2022 年 4 月 24 日
- 筆記
目录 符号说明 示例数据 一、Hit Rate 二、Recall 三、NDCG 符号说明 \(top\_k\): 当前用 …
Continue Reading
LSH-局部敏感哈希
- 2022 年 4 月 17 日
- 筆記
假设通过用户 – 物品相似度进行个性化推荐 用户和物品的 Embedding 都在一个 \(k\) 维的 E …
Continue Reading
搜索排序技术简介
- 2022 年 3 月 13 日
- 筆記
目录 技术架构 方法概述 召回 排序 技术架构 整体可以分为 检索召回、排序 搜索相关的策略大体分为如下： query …
Continue Reading推荐召回–基于内容的召回：Content Based
- 2022 年 1 月 29 日
- 筆記
目录 1. 前言 2. 构建画像 3. 内容召回的算法 1. 前言 在之前总结过协同过滤的召回通路后，今天我们来总结下召 …
Continue Reading推荐召回–基于物品的协同过滤：ItemCF
- 2022 年 1 月 21 日
- 筆記
目录 1. 前言 2. 原理&计算&改进 3. 总结 1. 前言 说完基于用户的协同过滤后，趁热打铁，我 …
Continue Reading
【论文笔记】用反事实推断方法缓解标题党内容对推荐系统的影响 Click can be Cheating: Counterfactual Recommendation for Mitigating Clickbait Issue
- 2021 年 12 月 31 日
- 筆記
Click can be Cheating: Counterfactual Recommendation for Mit …
Continue Reading