fm模型
收录了 fm模型 频道下的 50 篇内容
前深度学习时代 CTR 预估模型的演化之路：从 LR 到 FFM
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》。
CTR 预估在动态样式建模和特征表达学习方面的进展
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。
FFM 及 DeepFFM 模型在推荐系统的探索及实践
本次分享介绍微博在FFM模型及DeepFFM模型应用在推荐系统所做的一系列优化探索工作。
丰富 TF Serving 生态，爱奇艺开源灵活高性能的推理系统 XGBoost Serving
近期，爱奇艺决定将这一系统开源，本文将详细介绍项目开发背景、系统实践、系统特性和架构及实现等内容。
深度学习在省钱快报推荐排序中的应用与实践
本文介绍在资源有限的客观条件下，对机器学习和深度学习的运用进行了架构和模型的相关探索。
从 FFM 到 DeepFFM，推荐排序模型到底哪家强？
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。
独家揭秘腾讯千亿级参数分布式机器学习系统无量
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。
从算法到工程，推荐系统全面总结
最近读了本好书-《深度学习推荐系统》，读完不觉全身通畅，于是就有了写这篇文章的想法，把自己的理解和总结分享给大家。
深度学习技术在美图个性化推荐的应用实践
本文主要分享美图在内容社区推荐场景下应用深度学习技术提升点击率、关注转化率和人均时长等多目标的实践经验。
深度学习技术在美图个性化推荐的应用实践
本文介绍美图在内容社区推荐场景下应用深度学习技术提升点击率、关注转化率和人均时长等多目标的实践经验。
深度广度模型在用户购房意愿量化的应用
本文主要介绍了深度广度模型在用户价值量化上的应用，包括wide&deep的应用与迭代，端到端与预训练的讨论以及时序模型与深度广度模型的结合，在预测结果上也取得了较为明显的正向收益，提高了头部准确率。
深度广度模型在用户购房意愿量化的应用
在部分场景如点击率预估中，输入的特征一般为大规模稀疏矩阵，如何对输入进行有效表达就成了深度学习在点击率预估中应用的关键所在。
一站式机器学习平台 Deepthought 的建设与初探
本文介绍爱奇艺开发的面向通用的机器学习场景的一站式机器学习平台Deepthought。
汽车之家推荐系统排序算法迭代之路
本文介绍汽车之家推荐系统的排序算法演进。
智能推荐算法在花椒直播中的应用
本文介绍花椒直播平台在直播场景中运用推荐算法，怎么样从0到1建立推荐系统。
SeqFM：基于多视图自注意力的动态序列感知 CTR 预测模型
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。
全新的深度模型在推荐系统中的应用
本次分享将带你全面了解NON模型的提出动机、整体结构、局部特点以及突出贡献。
漫谈深度学习时代点击率预估技术进展
本文主要以点击率 (Click-Through Rate, CTR) 预估技术这个战场来展开叙述。
信息流推荐在凤凰新闻的业务实践
本文从业务特点、推荐整体架构、特征和召回以及一些延展应用等方面，介绍凤凰新闻在资讯信息流推荐上的一些更贴近业务的经验。
使用 AWS Sagemaker 训练因子分解机模型并应用于推荐系统
在线服务和应用中，经常遇到需要对用户历史行为进行分析并预测，典型的案例如页面点击预测及推荐系统。
京公网安备 11010502039052号 | 产品资质
