V
主页
京东 11.11 红包
重排02:MMR 多样性算法(Maximal Marginal Relevance)
发布人
这节课介绍推荐系统和搜索引擎重排中常用的 Maximal Marginal Relevance (MMR),它根据精排打分和物品相似度,从 n 个物品中选出 k 个价值高、且多样性好的物品。这节课还介绍滑动窗口 (sliding window),它可以与 MMR、DPP 等多样性算法结合,实践中滑动窗口的效果更优。 课件和讲义地址: https://github.com/wangshusen/RecommenderSystem 参考文献: Carbonell and Goldstein. The use of MMR, diversity-based reranking for reordering documents and producing summaries. In ACM SIGIR Conference on Research and Development in Information Retrieval, 1998.
打开封面
下载高清视频
观看高清视频
视频下载器
重排03:业务规则约束下的多样性算法
重排04:DPP 多样性算法(上)
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
召回09:双塔模型+自监督学习
物品冷启05:流量调控
召回03:基于用户的协同过滤(UserCF)
召回05:矩阵补充、最近邻查找
排序01:多目标模型
重排05:DPP 多样性算法(下)
召回06:双塔模型——模型结构、训练方法
概要03:推荐系统的AB测试
召回10:Deep Retrieval 召回
行为序列02:DIN模型(注意力机制)
排序03:预估分数融合
物品冷启03:聚类召回
排序04:视频播放建模
召回01:基于物品的协同过滤(ItemCF)
召回12:曝光过滤 & Bloom Filter
概要02:推荐系统的链路
相关性03:文本匹配(TF-IDF、BM25、词距)
物品冷启01:优化目标 & 评价指标
特征交叉01:Factorized Machine (FM) 因式分解机
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)
物品冷启06:冷启的AB测试
召回02:Swing 模型
推荐系统涨指标的方法05:特殊用户人群
召回04:离散特征处理
排序05:排序模型的特征
行为序列03:SIM模型(长序列建模)
物品冷启04:Look-Alike 召回
特征交叉02:DCN 深度交叉网络
推荐系统涨指标的方法03:排序模型
概要04:搜索引擎的链路(查询词处理、召回、排序)
召回11:地理位置召回、作者召回、缓存召回
特征交叉03:LHUC (PPNet)
RNN模型与NLP应用(1/9):数据处理基础
12-3: Kruskal算法 寻找最小生成树 Kruskal's Algorithm for Minimum Spanning Trees
13-5: 最小割 Min-Cut
神经网络结构搜索 (3/3): 可微方法 Differentiable Neural Architecture Search