V
主页
京东 11.11 红包
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02:相关性、内容质量、时效性、个性化(决定搜索满意度的因素)
概要01:搜索引擎的基本概念
相关性02:评价指标(AUC、正逆序比、DCG)
相关性05:BERT模型 (Part 2) - 模型训练
推荐系统涨指标的方法01:概述
相关性01:搜索相关性的定义与分档
概要03:推荐系统的AB测试
相关性03:文本匹配(TF-IDF、BM25、词距)
召回01:基于物品的协同过滤(ItemCF)
相关性04:BERT模型 (Part 1) - 模型结构、线上推理
物品冷启01:优化目标 & 评价指标
推荐系统涨指标的方法03:排序模型
概要02:推荐系统的链路
推荐系统涨指标的方法02:召回
推荐系统涨指标的方法05:特殊用户人群
推荐系统涨指标的方法06:交互行为(关注、转发、评论)
召回02:Swing 模型
推荐系统涨指标的方法04:多样性
召回06:双塔模型——模型结构、训练方法
排序01:多目标模型
召回03:基于用户的协同过滤(UserCF)
物品冷启03:聚类召回
Few-Shot Learning (1/3): 基本概念
召回04:离散特征处理
排序03:预估分数融合
排序06:粗排模型
RNN模型与NLP应用(1/9):数据处理基础
2-3: 跳跃列表 Skip List
行为序列01:用户历史行为序列建模
RNN模型与NLP应用(8/9):Attention (注意力机制)
召回10:Deep Retrieval 召回
召回08:双塔模型——线上服务、模型更新
重排01:物品相似性的度量、提升多样性的方法
排序05:排序模型的特征
召回09:双塔模型+自监督学习
特征交叉01:Factorized Machine (FM) 因式分解机
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
物品冷启05:流量调控
重排05:DPP 多样性算法(下)