V
主页
重排01:物品相似性的度量、提升多样性的方法
发布人
这节课和后面几节课的内容是推荐系统中的多样性。如果多样性做得好,可以显著提升推荐系统的核心业务指标。这节课的内容分两部分: 1. 物品相似性的度量。可以用物品标签或向量表征度量物品的相似性。最好的方法是基于图文内容的向量表征,比如 CLIP 方法。 2. 提升多样性的方法。在推荐的链路上,在粗排和精排的后处理阶段,综合排序模型打分和多样性分数做选择。 课件链接: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
重排04:DPP 多样性算法(上)
重排05:DPP 多样性算法(下)
排序01:多目标模型
重排02:MMR 多样性算法(Maximal Marginal Relevance)
行为序列01:用户历史行为序列建模
召回01:基于物品的协同过滤(ItemCF)
召回06:双塔模型——模型结构、训练方法
重排03:业务规则约束下的多样性算法
行为序列02:DIN模型(注意力机制)
召回04:离散特征处理
特征交叉02:DCN 深度交叉网络
概要03:推荐系统的AB测试
物品冷启03:聚类召回
排序02:Multi-gate Mixture-of-Experts (MMoE)
推荐系统涨指标的方法01:概述
物品冷启06:冷启的AB测试
行为序列03:SIM模型(长序列建模)
物品冷启01:优化目标 & 评价指标
特征交叉04:SENet 和 Bilinear 交叉
概要02:推荐系统的链路
特征交叉01:Factorized Machine (FM) 因式分解机
特征交叉03:LHUC (PPNet)
物品冷启02:简单的召回通道
物品冷启05:流量调控
排序05:排序模型的特征
召回03:基于用户的协同过滤(UserCF)
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04:多样性
物品冷启04:Look-Alike 召回
排序03:预估分数融合
推荐系统涨指标的方法02:召回
召回02:Swing 模型
概要01:搜索引擎的基本概念
推荐系统涨指标的方法05:特殊用户人群
召回07:双塔模型——正负样本
召回09:双塔模型+自监督学习
排序06:粗排模型
推荐系统涨指标的方法06:交互行为(关注、转发、评论)
召回08:双塔模型——线上服务、模型更新
召回05:矩阵补充、最近邻查找