物品冷启03：聚类召回
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
召回04：离散特征处理
...
召回01：基于物品的协同过滤（ItemCF）
...
召回06：双塔模型——模型结构、训练方法
...
物品冷启04：Look-Alike 召回
...
物品冷启06：冷启的AB测试
...
特征交叉04：SENet 和 Bilinear 交叉
...
排序01：多目标模型
...
推荐系统涨指标的方法02：召回
...
行为序列01：用户历史行为序列建模
...
概要02：推荐系统的链路
...
召回09：双塔模型+自监督学习
...
召回05：矩阵补充、最近邻查找
...
排序02：Multi-gate Mixture-of-Experts (MMoE)
...
重排01：物品相似性的度量、提升多样性的方法
...
概要03：推荐系统的AB测试
...
特征交叉02：DCN 深度交叉网络
...
召回07：双塔模型——正负样本
...
概要04：搜索引擎的链路（查询词处理、召回、排序）
...
重排04：DPP 多样性算法（上）
...
排序04：视频播放建模
...
特征交叉03：LHUC (PPNet)
...
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）
...
召回08：双塔模型——线上服务、模型更新
...
召回02：Swing 模型
...
物品冷启01：优化目标 & 评价指标
...
召回12：曝光过滤 & Bloom Filter
...
推荐系统涨指标的方法01：概述
...
排序03：预估分数融合
...
特征交叉01：Factorized Machine (FM) 因式分解机
...
行为序列03：SIM模型（长序列建模）
...
物品冷启05：流量调控
...
推荐系统涨指标的方法04：多样性
...
召回10：Deep Retrieval 召回
...
行为序列02：DIN模型（注意力机制）
...
概要01：搜索引擎的基本概念
...
排序06：粗排模型
...
推荐系统涨指标的方法05：特殊用户人群
...
重排05：DPP 多样性算法（下）
...
推荐系统涨指标的方法06：交互行为（关注、转发、评论）