V
主页
推荐系统涨指标的方法01:概述
发布人
这节课和后面的几节课的内容是推荐系统涨指标的方法。这节课先回顾推荐系统的评价指标,尤其是LT7和LT30。后面的课程会分为5部分: 1. 改进召回模型和添加新的召回模型。 2. 改进粗排和精排模型。 3. 提升召回、粗排、精排中的多样性。 4. 特殊对待新用户、低活用户等特殊人群。 5. 利用关注、转发、评论这三种交互行为来提升指标。 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
推荐系统涨指标的方法02:召回
排序01:多目标模型
行为序列01:用户历史行为序列建模
(强推)这是一套很变态...但可以让你快速掌握【推荐系统算法】的神级教程整整200集,学完这些推荐系统就很牛了!
召回01:基于物品的协同过滤(ItemCF)
【王树森】深度强化学习(DRL)
召回06:双塔模型——模型结构、训练方法
概要01:搜索引擎的基本概念
CNCC 2023 | 小红书推荐系统创新性探索
概要03:推荐系统的AB测试
推荐系统涨指标的方法05:特殊用户人群
召回02:Swing 模型
物品冷启01:优化目标 & 评价指标
概要02:推荐系统的链路
推荐系统涨指标的方法06:交互行为(关注、转发、评论)
推荐系统涨指标的方法04:多样性
行为序列02:DIN模型(注意力机制)
排序06:粗排模型
排序02:Multi-gate Mixture-of-Experts (MMoE)
行为序列03:SIM模型(长序列建模)
推荐系统涨指标的方法03:排序模型
排序05:排序模型的特征
特征交叉01:Factorized Machine (FM) 因式分解机
召回03:基于用户的协同过滤(UserCF)
小红书REDtech来了 | 小红书推荐用户及内容冷启动实践
排序03:预估分数融合
物品冷启02:简单的召回通道
特征交叉02:DCN 深度交叉网络
特征交叉03:LHUC (PPNet)
特征交叉04:SENet 和 Bilinear 交叉
召回08:双塔模型——线上服务、模型更新
物品冷启06:冷启的AB测试
概要03:搜索引擎的评价指标
召回10:Deep Retrieval 召回
重排01:物品相似性的度量、提升多样性的方法
物品冷启05:流量调控
召回09:双塔模型+自监督学习
召回12:曝光过滤 & Bloom Filter
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)
召回07:双塔模型——正负样本