V
主页
京东 11.11 红包
排序01:多目标模型
发布人
这节课的内容是推荐系统排序的多目标模型。这节课的内容分两部分。 - 第一部分是模型结构。模型把用户特征、物品特征、统计特征、场景特征作为输入,输出对多个指标的预估。 - 第二部分内容是降采样和校准。在实际的推荐系统中,正负样本的比例严重不平衡,负样本数量远多于正样本,因此需要对负样本做降采样。以点击率为例,对负样本做降采样会导致模型高估点击率,因此需要用公式做校准。 课件链接: 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
排序02:Multi-gate Mixture-of-Experts (MMoE)
行为序列01:用户历史行为序列建模
召回01:基于物品的协同过滤(ItemCF)
排序03:预估分数融合
排序05:排序模型的特征
召回04:离散特征处理
概要03:推荐系统的AB测试
排序06:粗排模型
物品冷启02:简单的召回通道
召回03:基于用户的协同过滤(UserCF)
物品冷启01:优化目标 & 评价指标
召回09:双塔模型+自监督学习
召回06:双塔模型——模型结构、训练方法
召回07:双塔模型——正负样本
物品冷启06:冷启的AB测试
特征交叉04:SENet 和 Bilinear 交叉
推荐系统涨指标的方法01:概述
物品冷启03:聚类召回
重排01:物品相似性的度量、提升多样性的方法
概要02:推荐系统的链路
推荐系统涨指标的方法03:排序模型
排序04:视频播放建模
召回02:Swing 模型
物品冷启04:Look-Alike 召回
行为序列03:SIM模型(长序列建模)
特征交叉01:Factorized Machine (FM) 因式分解机
特征交叉03:LHUC (PPNet)
召回08:双塔模型——线上服务、模型更新
行为序列02:DIN模型(注意力机制)
召回11:地理位置召回、作者召回、缓存召回
概要01:搜索引擎的基本概念
概要04:搜索引擎的链路(查询词处理、召回、排序)
召回10:Deep Retrieval 召回
召回05:矩阵补充、最近邻查找
推荐系统涨指标的方法02:召回
召回12:曝光过滤 & Bloom Filter
特征交叉02:DCN 深度交叉网络
【王树森】深度强化学习(DRL)
AI论文精读之MMoE
【多任务学习MMOE】Multi-gate Mixture-of-Experts