V
主页
概要02:推荐系统的链路
发布人
这节课以小红书为例讲解推荐系统的链路。链路包括召回、粗排、精排、重排。 - 召回(retrieval):快速从海量数据中取回几千个用户可能感兴趣的物品。 - 粗排:用小规模的模型的神经网络给召回的物品打分,然后做截断,选出分数最高的几百个物品。 - 精排:用大规模神经网络给粗排选中的几百个物品打分,可以做截断,也可以不做截断。 - 重排:对精排结果做多样性抽样,得到几十个物品,然后用规则调整物品的排序。 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
小红书REDtech来了 | 小红书推荐用户及内容冷启动实践
排序01:多目标模型
推荐系统从入门到实战
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)
召回01:基于物品的协同过滤(ItemCF)
推荐系统 - 北京大学(精品课)
尚硅谷机器学习和推荐系统项目实战教程(初学者零基础快速入门)
概要01:搜索引擎的基本概念
(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!
推荐系统涨指标的方法03:排序模型
概要03:推荐系统的AB测试
排序02:Multi-gate Mixture-of-Experts (MMoE)
行为序列01:用户历史行为序列建模
概要04:搜索引擎的链路(查询词处理、召回、排序)
召回03:基于用户的协同过滤(UserCF)
召回06:双塔模型——模型结构、训练方法
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
推荐系统涨指标的方法02:召回
物品冷启01:优化目标 & 评价指标
召回02:Swing 模型
召回04:离散特征处理
推荐系统涨指标的方法01:概述
排序05:排序模型的特征
召回12:曝光过滤 & Bloom Filter
召回11:地理位置召回、作者召回、缓存召回
召回07:双塔模型——正负样本
特征交叉01:Factorized Machine (FM) 因式分解机
行为序列02:DIN模型(注意力机制)
排序03:预估分数融合
重排01:物品相似性的度量、提升多样性的方法
召回10:Deep Retrieval 召回
排序06:粗排模型
召回05:矩阵补充、最近邻查找
排序04:视频播放建模
召回09:双塔模型+自监督学习
重排02:MMR 多样性算法(Maximal Marginal Relevance)
特征交叉03:LHUC (PPNet)
通俗易懂!基于用户的协同过滤推荐算法实现简单在线电影、音乐、图书等推荐系统实战!_AI/人工智能/计算机视觉/深度学习/神经网络
相关性03:文本匹配(TF-IDF、BM25、词距)