2 天前 / phperzone
点击标题下「蓝色微信名」可快速关注 本文大约1万字，阅读需要45分钟左右，建议先收藏 作者在上篇文章《推荐系统的工程实现》中提到推荐系统要很好地落地到业务中，需要搭建支撑模块，其中效果评估模块就是其中非常重要的一个。本篇文章作者来详细说明怎么评估(Evaluating)推荐系统的效果，有哪些评估手段,在推荐业务中的哪些阶段进行评估，具体的评估方法是什么。借此希望更好地帮助大家在实际业务中实施推荐系统评估模块。 本篇作者主要从“什么是一个好的推荐系统”、“在推荐系统业务的各个阶段怎么评估推荐系统”，“推荐系统......
34 天前 / 58无线
首先，我们先了解一下推荐系统的两个最主要部分：recall（召回）和rank（排序），一般最后还有rerank（根据业务场景和策略规则进行重排序，比如置顶、过滤等）。之前的一篇文章主要介绍了召回流程 - 58部落帖子推荐系统的抬手动作，介绍如何通过不同的策略从海量数据中召回用户感兴趣的帖子作为推荐候选集，但由于不同的策略的评分标准、计算维度等不一致，无法直接推给用户，需要从中各拿出一部分做一个统一的排序，把用户可能最喜欢的帖子放在最上面曝光，这一步叫融合排序。 既然是排序，那么就得有个评分标准，而CTR(click through rate)就是......
39 天前 / hyper0x
简单讲，YouTube的同学们构建了两级推荐结构从百万级别的视频候选集中进行视频推荐，第一级candidate generation model负责“初筛”，从百万量级的视频库中筛选出几百个候选视频，第二级ranking model负责“精排”，引入更多的feature对几百个候选视频进行排序。 不管是candidate generation model还是ranking model在架构上都是DNN的基本结构，不同的是输入特征和优化目标不同。但正如我在上一篇文章中讲的，如果你仅读懂了YouTube的模型架构，至多获得了30%的价值，剩下70%的价值就在于下面的十大工程问题。废话不多说，我们进入问题的解答......
40 天前 / 杉枫
做一件事情我们应该有个目标，一是业务数据指标有提升、一是技术有提升，有了目标才能更好分解事情，按照步骤去做。 数据指标提升，需要分析什么样用户对消息感兴趣，给这种用户推荐消息是比较合适的。再有需要分析用户对什么样消息感兴趣，最近喜好？这个总体上是依赖于对用户分析。 数据指标提升，也依赖于基础数据构建，比如用户画像准确性，召回分类准确性，召回素材准确性。这个需要数据构建体系是正确的，产出数据是正确的。 数据指标提升，也依赖于线上推荐引擎。线上整个推荐合理性，准确性决定着最终是否按规......
47 天前 / 蓝天
这周我们一起讨论一下Youtube的深度推荐系统论文《Deep Neural Networks for YouTube Recommendations》，这是2016年的论文，按照今天的标准来看，已经没有什么新颖的地方，我也是两年前读过这篇文章之后就放下了，但前几天重读这篇文章，竟让发现了诸多亮点，几乎处处是套路，处处是经验，不由惊为神文。这篇神文给我留下的深刻印象有两点： 这毫无疑问是工业界论文的典范，是我非常推崇的工程导向的，算法工程师必读的文章；我以为毫不起眼的地方，也藏着Youtube工程师宝贵的工程经验，相比上周介绍的阿里的深度兴趣网络DIN，最重要的价值就在于......
57 天前 / 腾讯移动品质中心TMQ
一、背景在互联网信息量爆炸式增长的今天，我们已然从信息匮乏时代走入信息过载的时代。在这样的时代背景下，用户在精准内容消费方面的需求也随之提高，由此浏览器作为移动流量的巨大入口，其角色也自然发生了变化——《艾媒：2017年上半年中国手机浏览器市场研究报告》中提到“目前中国手机浏览器已发展至内容聚合及服务平台阶段，成为移动互联网超级入口及内容聚合平台的手机浏览器产品能满足用户多样化功能需求和提供丰富多样的内容服务。”移动端浏览器的业务重心已经逐渐转向内容消费。而发展个性化推荐（无论内容来源为全局热点或者是个性兴......
59 天前 / JavaEdge
本文将深入介绍推荐系统的工作原理，和其中涉及的各种推荐机制，以及它们各自的优缺点和适用场景，帮助用户清楚的了解和快速构建适合自己的推荐系统。 1 信息发现随着 Web 2.0 的发展， Web 已经变成数据分享的平台，如何让人们在海量的数据中想要找到他们需要的信息将变得越来越难。 在这样的情形下，搜索系统（Google，Bing，百度等等）成为大家快速找到目标信息的最好途径。在用户对自己需求相对明确的时候，用搜索系统很方便的通过关键字搜索很快的找到自己需要的信息。但搜索系统并不能完全满足用户对信息发现的需求，那是因为在很多情况下......
119 天前 / 58无线
背景 快速发展的移动互联网在给我们带来便利的同时，也造成了信息过载，因此在海量的信息之前，用户最关心的是能否快速有效地从我们的产品中获取感兴趣的内容。解决信息过载主要有两种，搜索引擎：解决有明确目的用户需求，推荐引擎：根据用户行为、兴趣爱好等生成推荐物品列表。 如今用户更多的是碎片化阅读时间，如何提高用户活跃度和转化率，保证用户留存，是每个app都需要考虑的...
134 天前 / 搜云库
1、概述推荐系统是大数据中最常见和最容易理解的应用之一，比如说淘宝的猜你喜欢和京东等网站的用户提供个性化的内容。但是不仅仅只有电商会用推荐引擎为用户提供额外的商品，推荐系统也可以被用在其他行业，以及具有不同的应用中使用，如网易云音乐的每日歌曲推荐、活动、产品到约会对象。2、大数据推荐系统架构一般中型的网站(10W的PV以上)，每天会产生1G以上Web日志文件...
142 天前 / jifei
缘起上个月参加云栖大会见识了阿里搜索推荐十年的历程。除了前沿的算法技术包括iGraph图引擎、强化学习、迁移学习、向量化模型等等，还介绍了阿里强大的搜索推荐平台AI·OS。AI·OS平台包含了一系列的组件包括TPP推荐业务平台、RTP深度学习预测引擎、HA3搜索召回引擎、DII推荐召回引擎、iGraph图查询引擎等。平台水平扩展性强，支撑了所有的搜索推荐服务...
163 天前 / ???Edison_Guo
最近总有几位关注者希望我们可以分享一些“推荐系统”类的干货，最近正好一不小心看到一篇比较好的博主写的推送，在此我通过自己理解和该博主的内容，为大家带来一次推荐系统的分享！前言 随着电子商务的发展，网络购物成为一种趋势，当你打开某个购物网站比如淘宝、京东的时候，会看到很多给你推荐的产品，你是否觉得这些推荐的产品都是你似曾相识或者正好需要的呢。这个就是现在电子商...
175 天前 / 闲鱼技术
引言 个性化推荐是提升转化率的有效方法，闲鱼的大量导购场景中已经使用了个性化推荐算法，并取得了很好的效果。但是随着导购场景的微型化，精细化，出现越来越多的万级别以下商品量级导购场景，这些场景也需要引入个性化推荐，但闲鱼商品生命周期短、实时性高等的特点，限制了基于I2I的个性化推荐在这种小商品池上的召回效果。本文在介绍闲鱼的个性化推荐流程的基础上，针对闲鱼小商...
185 天前 / 杉枫
移动互联网时代消息推送程序移动程序标配，怎么推送消息，是一个考验产品技术团队能力的事，因为时间特别晚了用户已经休息了推送，或者反复无节制推动，轻者会被关闭推送，重者直接卸载。 当下想要获得一个用户是多么的困难以及成本高昂，而不节制不思考的推送，是一个偷懒的表现。推送本身是移动互联网强于网页的一个差异点，是移动互联网能力体现，用得好将显著提升用户体验，提升产品...
199 天前 / 杉枫
推荐系统不是凭空出现，要想推荐数据准确，仅有在线实时计算是不够的，因为实时在线计算能在通过各种各样技巧方法去处理，但能够实时计算数据是有限的。 推荐系统数据越多，用户越多面临问题越多，挑战越大。问题估计很多设计研发推荐系统同学都遇到过，其实可以先放下这个问题，看一下更古老系统。搜索引擎搜索引擎能够搜索出准确文章或者内容很大程度上依赖了离线计算，通过离线计算计...
222 天前 / mr7
作者：Gastón Rodríguez编译：weakish编者按：Tryolabs软件设计师、乌拉圭共和国大学数学教授Gastón Rodríguez最近撰写的推荐系统最新入门指南。 众多电商网站和零售商通过推荐系统来提升其销售成绩。 简单来说，推荐系统的目标是预测用户的兴趣，向用户推荐可能感兴趣的物品。 推荐系统所需的数据包括用户评分、搜索查询、购买历史，...