V
主页
京东 11.11 红包
召回05:矩阵补充、最近邻查找
发布人
这节课介绍矩阵补充(matrix completion),它是一种向量召回通道。矩阵补充的本质是对用户 ID 和物品 ID 做 embedding,并用两个 embedding 向量的內积预估用户对物品的兴趣。值得注意的是,矩阵补充存在诸多缺点,在实践中效果远不及双塔模型。 做向量召回需要做最近邻查找(nearest neighbor search)。这节课的最后介绍加速最近邻查找的近似算法以及工业界的实践。 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)
召回04:离散特征处理
召回02:Swing 模型
召回10:Deep Retrieval 召回
概要02:推荐系统的链路
概要03:推荐系统的AB测试
召回03:基于用户的协同过滤(UserCF)
召回09:双塔模型+自监督学习
物品冷启03:聚类召回
行为序列03:SIM模型(长序列建模)
召回07:双塔模型——正负样本
排序01:多目标模型
行为序列01:用户历史行为序列建模
特征交叉02:DCN 深度交叉网络
召回08:双塔模型——线上服务、模型更新
物品冷启04:Look-Alike 召回
召回11:地理位置召回、作者召回、缓存召回
特征交叉03:LHUC (PPNet)
推荐系统涨指标的方法05:特殊用户人群
排序02:Multi-gate Mixture-of-Experts (MMoE)
行为序列02:DIN模型(注意力机制)
推荐系统涨指标的方法01:概述
物品冷启06:冷启的AB测试
推荐系统涨指标的方法02:召回
重排04:DPP 多样性算法(上)
召回12:曝光过滤 & Bloom Filter
重排05:DPP 多样性算法(下)
物品冷启02:简单的召回通道
推荐系统涨指标的方法04:多样性
概要04:搜索引擎的链路(查询词处理、召回、排序)
重排02:MMR 多样性算法(Maximal Marginal Relevance)
特征交叉01:Factorized Machine (FM) 因式分解机
物品冷启05:流量调控
特征交叉04:SENet 和 Bilinear 交叉
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
推荐系统涨指标的方法03:排序模型
推荐系统涨指标的方法06:交互行为(关注、转发、评论)
排序06:粗排模型