写点什么
创作场景
- 记录自己日常工作的实践、心得
- 发表对生活和职场的感悟
- 针对感兴趣的事件发表随笔或者杂谈
- 从 0 到 1 详细介绍你掌握的一门语言、一个技术,或者一个兴趣、爱好
- 或者,就直接把你的个人博客、公众号直接搬到这里
登录/注册
收录了 ctr模型 频道下的 50 篇内容

本文总结了广告、推荐领域最为流行的 10 个深度学习 CTR 模型的结构特点,构建了它们之间的演化图谱。

如何将离线训练好的模型部署于线上生产环境,进行实时推理,一直是业界难点。

万物皆Embedding!

CTR模型关键的胜负手

原创技术专栏“深度学习 CTR 预估模型实践”的第三篇文章

本文是王喆在 AI 前线 开设的原创技术专栏“深度学习 CTR 预估模型实践”的第二篇文章(以下“深度学习 CTR 预估模型实践”简称“深度 CTR 模型”)。专栏第一篇文章回顾:《深度学习CTR预估模型凭什么成为互联网增长的关键?》。重看王喆老师过往精彩文章:《重读 Youtube 深度学习推荐系统论文,字字珠玑,惊为神文》、《YouTube 深度学习推荐系统的十大工程问题》。

深度学习CTR预估模型实践

自2012年AlexNet引爆新一轮深度学习浪潮以来,深度学习席卷了各个计算机应用领域,作为广告、搜索、推荐业务核心的 CTR 预估模型也借助深度学习得到效果上的显著提升,成为几乎所有主流互联网公司的标准配置。 本专栏将帮助读者梳理深度 CTR 模型的理论和技术发展脉络,并全面讲解深度 CTR 模型的系统设计和工程实践。希望大家能够建立完整的学习框架,并打牢深度学习模型的理论基础,同时从应用中学到更多实践中应该注意的技术细节。

《深度学习CTR预估模型实践》专栏开篇

本文旨在以深度CTR预估模型为基础,探索在应用宝推荐场景下的算法优化。

如何在不影响用户产品体验的情况下,更精准地推荐用户可能感兴趣的广告,是每个算法工程师长期思考的问题。

推荐系统几乎已经深入到人们生活的方方面面,其背后的算法也在不断地迭代更新。FM和FFM模型是最近几年提出的模型,拥有在数据量较大并且特征稀疏的情况下,仍然能够得到优秀的性能和效果的特性。

本文提出了一种同时结合了特征交互中的顺序依赖和保持 DNN 的非线性表达能力的 FM based 模型 SeqFM,在建模特征交互和动态行为序列时使用了多视图的自注意力机制。

本文介绍一种动态样式组合优选加 DSA 模型,并结合分位置拍卖技术,较完美地解决了组合样式优选的问题。

详细介绍YouTube推荐系统的模型结构和技术细节。
千亿参数规模的模型已经被业界证明能够有效提高业务效果。如何高效训练出这样的模型?百 GB 级别的模型如何在线上实现毫秒级的响应?这些能力在各个大厂都被视为核心技术竞争力和机器学习能力的技术壁垒。要具备这样的能力,对相关系统有什么样的挑战?本文将从系统的角度去详细分析这些问题,并给出腾讯公司的无量系统对这些问题的解答。

本文来自美团点评技术文章系列。

稀疏 CTR 模型是用于预测点击率的一类深度学习模型的统称。通过处理高维稀疏特征数据实现高效的广告点击率预测,准确的 CTR 预测可以更好地进行广告投放决策,提升广告投放效果。在稀疏 CTR 模型场景下,通常使用大量高维稀疏特征,这类 Embedding 矩阵造成了

超硬核解题思路快来看看吧!本期邀请“创新大师杯”全球AI极客挑战赛——PAI-DeepRec CTR模型性能优化挑战赛获奖队伍分享解题思路,共同推动实际工业实际场景中点击率预估模型的训练效率的提升。