V
主页
概要03:搜索引擎的评价指标
发布人
搜索引擎的评价指标分为三类: 01:19 北极星指标,包括用户数(DAU、MAU、搜索渗透率)、留存(次日留存、LT7、LT30)。 03:34 中间指标,包括文档点击率、有点比、首屏有点比、首点位置、主动换词率、交互指标。 10:45 人工体验评估,包括side by side评估、月度评估。side by side评估的指标是 Good Same Bad (GSB),月度评估的指标是 Discounted Cumulative Gain (DCG)。 课件地址: https://github.com/wangshusen/SearchEngine
打开封面
下载高清视频
观看高清视频
视频下载器
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
概要02:相关性、内容质量、时效性、个性化(决定搜索满意度的因素)
相关性01:搜索相关性的定义与分档
相关性02:评价指标(AUC、正逆序比、DCG)
推荐系统涨指标的方法01:概述
概要02:推荐系统的链路
推荐系统涨指标的方法02:召回
相关性04:BERT模型 (Part 1) - 模型结构、线上推理
概要03:推荐系统的AB测试
相关性03:文本匹配(TF-IDF、BM25、词距)
相关性05:BERT模型 (Part 2) - 模型训练
推荐系统涨指标的方法04:多样性
排序01:多目标模型
物品冷启01:优化目标 & 评价指标
推荐系统涨指标的方法05:特殊用户人群
授人以渔:检索技巧和方法
推荐系统涨指标的方法03:排序模型
召回01:基于物品的协同过滤(ItemCF)
排序02:Multi-gate Mixture-of-Experts (MMoE)
召回03:基于用户的协同过滤(UserCF)
召回10:Deep Retrieval 召回
推荐系统涨指标的方法06:交互行为(关注、转发、评论)
召回06:双塔模型——模型结构、训练方法
14-1: 二部图及其判定算法 Bipartite Graphs
排序03:预估分数融合
召回02:Swing 模型
行为序列01:用户历史行为序列建模
特征交叉03:LHUC (PPNet)
2-2: 二分查找 Binary Search
RNN模型与NLP应用(1/9):数据处理基础
10-1: 图的基本概念和数据结构 Graph Basics and Data Structures
排序05:排序模型的特征
13-1: 网络流问题基础 Network Flow Problems
召回08:双塔模型——线上服务、模型更新
物品冷启03:聚类召回
行为序列03:SIM模型(长序列建模)
14-2: 无权二部图中的最大匹配 Maximum-Cardinality Bipartite Matching (MCBM)
召回11:地理位置召回、作者召回、缓存召回
神经网络结构搜索 (1/3): 基本概念和随机搜索 Neural Architecture Search: Basics & Random Search