V
主页
召回07:双塔模型——正负样本
发布人
这节课讲解双塔模型(two-tower,也叫 DSSM)正负样本的选取。正样本是有点击的物品。负样本是被召回、排序淘汰的物品,分为简单负样本和困难负样本。 课件地址: https://github.com/wangshusen/RecommenderSystem
打开封面
下载高清视频
观看高清视频
视频下载器
召回08:双塔模型——线上服务、模型更新
召回06:双塔模型——模型结构、训练方法
召回01:基于物品的协同过滤(ItemCF)
排序01:多目标模型
召回04:离散特征处理
召回09:双塔模型+自监督学习
排序02:Multi-gate Mixture-of-Experts (MMoE)
召回03:基于用户的协同过滤(UserCF)
行为序列01:用户历史行为序列建模
概要03:推荐系统的AB测试
概要02:推荐系统的链路
召回10:Deep Retrieval 召回
物品冷启02:简单的召回通道
重排04:DPP 多样性算法(上)
召回05:矩阵补充、最近邻查找
【Spark+Hive】基于大数据酒店数据分析推荐系统—免费完整实战教学视频
召回12:曝光过滤 & Bloom Filter
推荐系统涨指标的方法02:召回
行为序列02:DIN模型(注意力机制)
特征交叉03:LHUC (PPNet)
行为序列03:SIM模型(长序列建模)
推荐系统涨指标的方法04:多样性
物品冷启01:优化目标 & 评价指标
特征交叉02:DCN 深度交叉网络
召回02:Swing 模型
重排05:DPP 多样性算法(下)
特征交叉04:SENet 和 Bilinear 交叉
推荐系统涨指标的方法05:特殊用户人群
排序05:排序模型的特征
排序03:预估分数融合
特征交叉01:Factorized Machine (FM) 因式分解机
物品冷启04:Look-Alike 召回
物品冷启03:聚类召回
推荐系统涨指标的方法01:概述
召回11:地理位置召回、作者召回、缓存召回
推荐系统涨指标的方法06:交互行为(关注、转发、评论)
物品冷启06:冷启的AB测试
物品冷启05:流量调控
概要04:搜索引擎的链路(查询词处理、召回、排序)
概要01:搜索引擎的基本概念