V
主页
推荐系统涨指标的方法03:排序模型
发布人
这节课的内容是通过改进粗排和精排模型涨指标。这节课的内容分5部分: 1. 精排模型的改进 2. 粗排模型的改进 3. 用户行为序列建模 4. 在线学习 5. 老汤模型 课件链接: https://github.com/wangshusen/RecommenderSystem 参考文献:https://arxiv.org/abs/2308.01204
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
排序01:多目标模型
召回01:基于物品的协同过滤(ItemCF)
概要03:推荐系统的AB测试
物品冷启01:优化目标 & 评价指标
推荐系统涨指标的方法06:交互行为(关注、转发、评论)
行为序列01:用户历史行为序列建模
召回09:双塔模型+自监督学习
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
特征交叉03:LHUC (PPNet)
排序02:Multi-gate Mixture-of-Experts (MMoE)
召回04:离散特征处理
排序05:排序模型的特征
召回02:Swing 模型
特征交叉04:SENet 和 Bilinear 交叉
特征交叉01:Factorized Machine (FM) 因式分解机
物品冷启03:聚类召回
召回03:基于用户的协同过滤(UserCF)
物品冷启06:冷启的AB测试
召回10:Deep Retrieval 召回
重排02:MMR 多样性算法(Maximal Marginal Relevance)
重排01:物品相似性的度量、提升多样性的方法
特征交叉02:DCN 深度交叉网络
召回07:双塔模型——正负样本
物品冷启05:流量调控
排序04:视频播放建模
召回05:矩阵补充、最近邻查找
排序03:预估分数融合
重排03:业务规则约束下的多样性算法
行为序列03:SIM模型(长序列建模)
概要02:推荐系统的链路
排序06:粗排模型
物品冷启02:简单的召回通道
召回12:曝光过滤 & Bloom Filter
推荐系统涨指标的方法01:概述
推荐系统涨指标的方法04:多样性
2-王敬宇-稀疏模型推理加速在美团推荐系统中的实践
概要01:搜索引擎的基本概念
耗时33个小时,适合新手人群的【推荐系统算法基础】教程,快速掌握基于用户的协同过滤推荐系统,从入门到实战,再也不用担心学不明白了!!!(推荐算法/人工智能课程)