mmoe
收录了 mmoe 频道下的 44 篇内容
详解 Google 多任务学习模型 MMoE ( KDD 2018 )
本文对MMoE 模型进行详解。
谷歌大规模多目标排序实践：Youtube 视频推荐核心技术
本文提出了一套大规模多目标排序框架应用于Youtube视频推荐平台。
YouTube 多目标排序系统：如何推荐接下来收看的视频
本文介绍 聚焦于大规模视频推荐中的排序阶段，介绍一些比较实在的经验和教训。
推荐系统 [八] 算法实践总结 V2：排序学习框架 (特征提取标签获取方式) 以及京东推荐算法精排技术实战
排序学习（Learning to Rank，LTR）」，也称「机器排序学习（Machine-learned Ranking，MLR)」，就是使用...
自然语言处理
推荐系统
搜索推荐
02-28
0
深度排序模型在淘宝直播的演进与应用
淘宝直播近两年在排序模型上进行了持续的迭代优化和演进落地，在多目标学习、跨场景迁移、召回匹配、大促...
推荐系统 [三]：粗排算法常用模型汇总 (集合选择和精准预估)，技术发展历史（向量內积，Wide&Deep 等模型）以及前沿技术
推荐可分为以下四个流程，分别是召回、粗排、精排以及重排：
推荐系统
推荐算法
搜索系统
02-23
0
推荐系统 [二]：召回算法超详细讲解 [召回模型演化过程、召回模型主流常见算法 (DeepMF_TDM_Airbnb Embedding_Item2vec 等)、召回路径简介、多路召回融合]
推荐可分为以下四个流程，分别是召回、粗排、精排以及重排： 1.召回是源头，在某种意义上决定着整个推荐的...
自然语言处理
深度学习
推荐系统
搜索算法
召回算法
02-22
0
推荐系统 [四]：精排 - 详解排序算法 LTR (Learning to Rank)_ poitwise, pairwise, listwise 相关评价指标，超详细知识指南。
推荐可分为以下四个流程，分别是召回、粗排、精排以及重排： 1.召回是源头，在某种意义上决定着整个推荐的...
自然语言处理
推荐系统
搜索算法
03-01
0
阿里 1688 直播推荐算法实践
近年来，电商呈现内容化的趋势，以直播和短视频为首，内容化提升了用户体验，增加了平台收益。
多任务学习在推荐算法中的应用（三）
本文主要总结了近两年工业界关于 Multi-task 模型在推荐场景的一些应用和工作。
智源联合清华开源 FastMoE：首个支持 PyTorch 框架的 MoE 系统，万亿 AI 模型基石
相比直接使用 PyTorch 实现的版本，提速 47 倍。
推荐系统 [八] 算法实践总结 V0：腾讯音乐全民 K 歌推荐系统架构及粗排设计
推荐可分为以下四个流程，分别是召回、粗排、精排以及重排： 1.召回是源头，在某种意义上决定着整个推荐的...
自然语言处理
推荐系统
推荐算法
搜索算法
02-27
0
推荐系统 [八] 算法实践总结 V1：淘宝逛逛 and 阿里飞猪个性化推荐：召回算法实践总结【冷启动召回、复购召回、用户行为召回等算法实战】
推荐系统[八]算法实践总结V1：淘宝逛逛and阿里飞猪个性化推荐：召回算法实践总结【冷启动召回、复购召回、...
自然语言处理
推荐系统
推荐算法
推荐引擎算法
02-25
0
Multi-task 多任务学习在推荐算法中应用 (2）
Conversion Rate Prediction via Post-Click Behaviour Modeling
促进软件开发及相关领域知识与创新的传播
Copyright © 2023, Geekbang Technology Ltd. All rights reserved. 极客邦控股（北京）有限公司 | 京 ICP 备 16027448 号 - 5
京公网安备 11010502039052号 | 产品资质
京公网安备 11010502039052号 | 产品资质
