V
主页
物品冷启05:流量调控
发布人
流量调控是物品冷启动最重要的一环,直接影响作者发布指标。流量调控的发展通常会经历这几个阶段: 1. 在推荐结果中强插新笔记。 2. 对新笔记做提权(boost)。 3. 通过提权,对新笔记做保量。 4. 差异化保量。 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
物品冷启06:冷启的AB测试
物品冷启03:聚类召回
物品冷启02:简单的召回通道
召回06:双塔模型——模型结构、训练方法
物品冷启04:Look-Alike 召回
召回04:离散特征处理
排序05:排序模型的特征
召回01:基于物品的协同过滤(ItemCF)
行为序列01:用户历史行为序列建模
物品冷启01:优化目标 & 评价指标
排序02:Multi-gate Mixture-of-Experts (MMoE)
排序01:多目标模型
重排01:物品相似性的度量、提升多样性的方法
召回03:基于用户的协同过滤(UserCF)
召回09:双塔模型+自监督学习
行为序列03:SIM模型(长序列建模)
重排04:DPP 多样性算法(上)
重排05:DPP 多样性算法(下)
推荐系统涨指标的方法05:特殊用户人群
行为序列02:DIN模型(注意力机制)
特征交叉01:Factorized Machine (FM) 因式分解机
概要03:推荐系统的AB测试
重排02:MMR 多样性算法(Maximal Marginal Relevance)
排序06:粗排模型
推荐系统涨指标的方法02:召回
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04:多样性
排序04:视频播放建模
重排03:业务规则约束下的多样性算法
召回07:双塔模型——正负样本
召回10:Deep Retrieval 召回
召回05:矩阵补充、最近邻查找
特征交叉04:SENet 和 Bilinear 交叉
特征交叉03:LHUC (PPNet)
召回02:Swing 模型
概要02:推荐系统的链路
召回11:地理位置召回、作者召回、缓存召回
特征交叉02:DCN 深度交叉网络
召回12:曝光过滤 & Bloom Filter
推荐系统涨指标的方法03:排序模型