新的一年好好学习,准备run run run! 操蛋的经历!!!
- 知乎 Microstrong 推荐系统在工业界的N+1条实战经验
- github deepctr 浅梦学习笔记 公众号文章汇总
- 知乎 缄默笔记 推荐系统(十一) 2021-2022年工业界推荐算法实践经验汇总
- 知乎 张俊林 推荐系统召回四模型之:全能的FM模型
- 知乎 石塔西 FM:推荐算法中的瑞士军刀
- 知乎 张俊林 推荐系统召回四模型之二:沉重的FFM模型
- 美团技术团队 深入FFM原理与实践
- 知乎 石塔西 刀功:谈推荐系统特征工程中的几个高级技巧
- 统计类:
用户 -> (对) 物料 -> (在) 时间 -> (进行) 动作 -> (的) 统计对象 -> 统计方法
- 排序特征:eg
小资文青喜欢的top10电影之一
- 交叉特征:文中提到了
匹配度
。加减乘除应该都算特征交叉
,例如:- DIN里的
相减、相乘
,见 DeepCTR; - BERT里的
三个向量相加
,见 为什么 Bert 的三个 Embedding 可以进行相加?
- DIN里的
- id类特征是
一等公民
- 连续值
特征分桶
(某du用到的特征全部进行分桶处理)
- 统计类:
- 知乎 砍手豪 探讨特征工程的方法论
- 直呼文中提到的
交叉特征
,牛逼,看原文学习下吧 ~
- 直呼文中提到的
- 知乎 问题 特征工程到底是什么?
- 公众号 腾讯技术工程 浅谈微视推荐系统中的特征工程
- CSDN 京城王多鱼 商品推荐-画像和统计类特征工程
- 美团技术团队 7次KDD Cup&Kaggle冠军的经验分享:从多领域优化到AutoML框架
- 知乎 石塔西 先入为主:将先验知识注入推荐模型
- 知乎 张俊林 知识蒸馏在推荐系统的应用
- 公众号 Microstrong 深度学习中的知识蒸馏技术(上)
- 公众号 Microstrong 深度学习中的知识蒸馏技术(下)-知识蒸馏与推荐系统
- 公众号 爱奇艺技术产品团队 如何提升链路目标一致性?爱奇艺短视频推荐之粗排模型优化历程,另外还包括:
- 统计特征挖掘,其实挖掘逻辑上遵循
石塔西
的 刀功:谈推荐系统特征工程中的几个高级技巧; - 粗排样本调整:原来是线上真实点展样本。调整为在召回池中随机负采样,精排topk结果作为正样本。
- 统计特征挖掘,其实挖掘逻辑上遵循
- 知乎 石塔西 少数派报告:谈推荐场景下的对比学习
- 知乎 张俊林 对比学习(Contrastive Learning):研究进展精要
- 知乎 张俊林 对比学习视角:重新审视推荐系统的召回粗排模型
- 知乎 石塔西 负样本为王:评Facebook的向量化召回算法
- 公众号 蘑菇先生 KDD'21 | 揭秘Facebook升级版语义搜索技术
- CSDN 京城王多鱼 召回负样本采样方法
- 公众号 Microstrong YouTube采样修正的双塔模型论文精读
- 知乎 石塔西 初来乍到:帮助新用户冷启的算法技巧,核心问题:找到更多的信息
- Airbnb :Topk个相似房源的Embedding均值作为当前房屋的Embedding,衡量房源的相近程度可以采用位置、价格、房源类型等,且要求距离在10英里内。
- 公众号 浅梦学习笔记 多任务学习在推荐算法中的应用
- 公众号 阿里云云栖号 多任务多目标 CTR 预估技术
- 知乎 Recommender 推荐系统中的多任务学习与多目标排序工程实践(上)
- CSDN 文文学霸 [腾讯]RecSys2020最佳长论文-多任务学习模型PLE
- 另外文中有 共享网络、Asymmetry Sharing、Customized Sharing、MMOE等网络结构的介绍
- 代码可参考:deepctr_models_multitask_ple.py
- CSDN 废柴当自强 一文读懂BERT(原理篇)
- CSDN 京城王多鱼 ERNIE模型系列