11 天前 / 美团技术团队
总第 516 篇 2022 年 第 033 篇 推荐系统是效果导向的数据应用服务，在功能的“有”和“无”之间，有很长的效果“好”和“坏”的光谱。本文以用户请求的粒度建立质量模型，通过数据血缘关联了数据表、算法模型、系统服务和用户请求，并结合美团综合业务的实践进行了拓展泛化，希望能对大家有所帮助或启发。1 前言 2 现状分析 3 建设思路 3.1 业务语境下的质量 3.2 缺陷的考量和选择 3.3 度量和计算的选型 4 计算方式 4.1 计算公式 4.2 业务泛化 4.3 指标体系 4.4 血缘拓展 5 指标运营 5.1 系统实现 5.2 告警跟进 5.3 治理效果 5.4 资产沉淀 6 未来规划 1 ...
57 天前 / 逗逗
分享嘉宾：王鸿伟 斯坦福大学 博士后 编辑整理：屈垠岑 出品平台：DataFunTalk 导读：在信息爆炸的互联网时代，推荐系统可以理解用户的个性化偏好和需求，帮助用户筛选出自己感兴趣的产品和服务。然而，传统的基于协同过滤的推荐系统无法解决数据稀疏和冷启动问题。知识图谱是一种表示实体之间的复杂关系的异构图。在本文，我会介绍如何将知识图谱作为辅助信息引入推荐系统，以解决传统方法的缺点和提升推荐系统的性能。主要介绍： 推荐系统 知识图谱 知识图谱辅助推荐系统 01 推荐系统推荐系统的目标是满足用户个性化需求，降低用户筛选信息的难度。
63 天前 / 逗逗
省时查报告 - 专业、及时、全面的行研报告库 省时查方案 - 专业、及时、全面的营销策划方案库 【免费下载】2022 年 3 月份热门报告盘点某短视频 APP 推荐算法及策略最详细拆解大萧条来临前的几大征兆 机器学习在 B 站推荐系统中的应用实践小红书推荐系统中台应用实践微信视频号实时推荐技术架构分享推荐系统的变与不变：冷启动、召回排序等对比学习在快手推荐系统中的应用实践知识图谱在美团推荐场景中的应用实践淘宝首页猜你喜欢信息流推荐长序列实践今天给大家带来快手社区科学部资深推荐算法工程师牛亚男所做的分享《快手推荐系统精排模型实践。
140 天前 / 逗逗
分享嘉宾：Bill 腾讯音乐 编辑整理：Hoh 出品平台：DataFunTalk 导读：大家好，我是来自 QQ 音乐数据科学团队的 Bill，接下来由我给大家分享 QQ 音乐在内容理解和精细化运营方面的一些实践和经验，副标题是推荐系统的精细化调控，相比于前面分享的一些硬核的算法模型和系统架构，我这里更多会介绍一些更显性的、更具可解释性的一些数据驱动方法在内容精细化运营场景的应用。 本文主要分为 5 部分：第 1 部分会介绍业务背景、总体解决方案和收益，第 2~4 部分分别介绍内容理解、运营中台、投放系统的具体实现方案，最后做一个简单的总结和展望。
151 天前 / reesunhuang
Gorse is an open-source recommendation system written in Go. Gorse aims to be a universal open-source recommender system that can be quickly introduced into a wide variety of online services. By importing items, users, and interaction data into Gorse, the system will automatically train models to generate recommendations for each user. Project features are as follows. Multi-source Recommendation:For a user, recommended items are collected from different ways (popular, latest, user-based, item-based, and collabo...
153 天前 / reesunhuang
本文由 InfoQ 整理自小年糕算法中台后端架构师封幼林在 QCon+ 大厂案例（2021 冬季北京站）的分享《高并发推荐系统架构设计》。作者｜封幼林编辑｜贾亚宁 你好！我是封幼林，在小年糕负责推荐系统，主要从事服务架构相关工作。今天我要和你分享的话题是《高并发推荐系统架构设计》。 这次分享主要分为以下这几个部分： 推荐系统的基本架构 旧版线上架构的并发瓶颈问题 新版线上架构编程语言的选择 印象深刻的 Go 踩坑经历 我们进入第一部分，推荐系统的基本架构。
206 天前 / waterdrop
作者｜尚琛展 机构｜中国人民大学硕士一年级 导师｜张静、赵鑫 研究方向 | 推荐系统与自然语言处理 本文将围绕近四年来发表在顶级会议（NeurIPS、SIGIR、KDD、EMNLP、WSDM、COLING）上的 9 篇代表性工作介绍对话推荐系统领域的问题定义、处理方案和结构演化。另外笔者整理了近年来该领域 68 篇研究工作及其代码和数据集附在文末，分享给读者学习参考。文章也同步发布在AIBox知乎专栏（知乎搜索 AI Box 专栏），欢迎大家在知乎专栏的文章下方评论留言...
234 天前 / hyper0x
最近一周我、强子、Y 哥三人，根据自身如何入门推荐系统，再结合三人分别在腾讯做广告推荐、字节做视频推荐、百度做信息流推荐的经历，整理出了这份万字入门推荐系统。内容十分详细，涵盖了推荐系统基础、进阶、实战的全部知识点，并且每一块都给出了我们自己看过且觉得高质量的参考资料，所以不管你是科班还是非科班，按照这条路线走下去，找到推荐系统相关工作是完全没问题的。因为内容过于全面详细，即便你不从事推荐系统方向，只要是从事程序员，看完这篇文章也能有所收获。
248 天前 / Thinkgamer
猜你喜欢 1、AUC 的缺陷 2、机器学习和深度学习在 CTR 场景中的应用综述 3、EGES 算法原理介绍与应用实战说明 4、Spark 推荐系列之 Word2vec 算法介绍、实现和应用说明 5、算法模型调优总结 6、电商平台中的 9 种共性推荐策略 7、全链路联动： 面向最终目标的全链路一致性建模 节前的最后一篇推文了，提前祝大家国庆快乐，不管去哪里做什么，注意安全！ 本文主要介绍的是粗排的相关问题，主要会涉及下面内容： 1.推荐系统经典的级联架构 1.1 四部分及角色 1.2 结合业务数据选择模块 2.对粗排阶段的思考 2.1 粗排是必要的吗？ 2.2 粗排与精排的异与同 2.3 粗...
254 天前 / AggrxTech
1. 前言 推荐算法是为了解决“信息过载和用户无明确要求的情况下，如何帮助用户找到感兴趣的物品”，而推荐算法需要一个持续优化的过程才能达到理想的一个效果，在优化过程中，如何衡量效果的好与坏，就需要引入 AB 实验 2. AB 实验架构 AB 引擎 主要负责分流，实验配置和算法参数配置 推荐引擎 根据不同的参数进行相应的算法和数据调整 实验分析 根据数据上报，对实验数据进行存储和分析，并展示实验效果 本文主要介绍 AB 引擎部分 3.实验引擎 3.1 实验分组 AB 实验中一般会分 2 个及以上个实验组，其中一个作为对照组...
288 天前 / Thinkgamer
本文主要介绍一个搜索和推荐中常用的一个评估指标：。 （Normalized Discounted Cumulative Gain）直接翻译为归一化折损累计增益，这个指标通常是用来衡量和评价排序的准确性，比如：推荐系统通常为某用户返回一个 item 列表，假设列表长度为 ，这时可以用 评价该排序列表与用户真实交互列表的差距。 的两个思想： 1、高关联度的结果比一般关联度的结果更影响最终的指标得分（高相关性的物比低相关性的物品更有用，低相关性的物品比不相关的物品更有用）2、有高关联度的结果出现在更靠前的位置的时候，指标会越高（理想情况下...
296 天前 / 数据虫巢
作者·黄崇远 『数据虫巢』 全文共 3600 字 题图 ssyer.com “从推荐系统的演化过程中洞见计算广告的核心要素，但两者又存在着本质的差异，这也是计算广告自身差异的源点。” 我们在第 2 章开篇时有提到过，从第 2 章开始，我们的重心将从广告主与广告平台的博弈关系转移到广告与用户的匹配维度上，分析和探索用户和广告如何进行精准匹配，并且从技术和数据算法的角度来观测这一过程，以及技术、数据、算法是如何推进整个计算广告往前发展和衍化的。
307 天前 / 数据虫巢
作者·黄崇远 『数据虫巢』 全文共 2821 字 题图 ssyer.com “推荐系统看着是一个偏技术的问题，但实际上少不了产品逻辑的赋能，很多时候产品逻辑能起到的是四两拨千斤的作用。” 在很多时候，我们都是以技术的视角去观测推荐系统，从推荐的算法逻辑到推荐系统的技术架构逻辑，并且从技术视角基本上已经成为了推荐系统问题讨论和演化的一个“标准”做法了。 推荐系统这种看似偏重于底层策略算法逻辑的产品形态，直接影响的更多是底层逻辑，甚至更透彻一点说是算法策略逻辑，但推荐这种产品形态是非常贴近于用户端的...
317 天前 / Thinkgamer
转载：http://www.woshipm.com/pmd/1916927.html 编辑：搜索与推荐 Wiki 说明：在原文的基础上结合自己的电商从业经验进行介绍，点击文末【阅读原文】直达出处 推荐系统最成功的落地场景莫过于电商平台，比如淘宝、京东、拼多多、团好货等，其内部都有一个到多个推荐团队针对各自业务内不同场景的推荐进行挖掘和开发，继而更好的为用户服务和创造更大价值的 GMV。一般来讲，推荐系统的核心考核指标基本可以划分为三大类：流量类、转化率类和 GMV 类。
327 天前 / 数据虫巢
作者·黄崇远 『数据虫巢』 全文共 4520 字 题图 ssyer.com “所有的技术架构并不是一蹴而就的，都是在需求迭代中逐步的探索，并且不断的适应业务的发展，才逐步发展成最终我们所看到的样子。” 模型只是其中一环，在高速发展的这几年，各个场景，各个层面的模型探索可谓到了极致，所以有迹可循，有很多可以参考的方式方法，建模套路，横向以及纵向的模型选型，结合自身业务特点，对于样本、特征，或者目标的确定去做决定。