[图片] 分享嘉宾：赵鑫博士 京东 算法工程师 编辑整理：娄学政 小米 出品平台：DataFunTalk 导读： 互联网推荐广告的排序，关键在于对流量价值的预估，其中最重要的一部分是对点击率的预估。为了提高广告的变现效率，核心的问题是如何提高广告的预估精度。同一个广告，在上下文不一样的情况下，点击率 ....

[图片] 分享嘉宾：闫文昌 58 同城 算法架构师 编辑整理：GYH 出品平台：DataFunTalk、AI 启蒙者 导读： 58 同镇是 58 同城进军下沉市场最重要的战略性业务，58 同镇推荐系统面向下沉市场用户群，以 Feed 流方式提供基于地域分发的多品类信息融合推荐。本次分享重点聚焦 58 ....

作者： 微信 AI 团队 谢若冰等 导语 在推荐系统中，用户在一个时间段经常会关注同一个主题。当用户读完一篇文章时，他往往会想要继续阅读和这篇文章相关的拓展文章。然而，传统的推荐系统 feed 流难以提供这种深度的拓展阅读（相关阅读）功能。这是由于考虑到推荐系统多样性和兴趣试探的要求，主推荐流中的文 ....

作者：王连臣 来源：58 技术 导读 58 同城作为国内最大的生活信息服务提供商，涵盖招聘、房产、车辆、兼职、黄页等海量的生活分类信息。随着各个业务线业务的蓬勃发展，用户在网站上可获取的分类信息是爆炸性增长的。如何解决信息过载，帮助用户快速找到关注的信息，已经成为用户体验提升的关键点与服务的核心竞争 ....

分享嘉宾：吴保鑫 陌陌科技 高级算法专家 编辑整理：揭萍 出品平台：DataFunTalk 导读： 在陌陌的社交推荐体系中，模型化 Recall 在召回模块中起到了重要作用。本文主要介绍模型化 Recall 在陌陌社交推荐中的技术探索和具体落地应用，重点介绍基于用户场景行为驱动、用户社交关系网络和动 ....

[图片] 作者：美丽联合集团 算法工程师 琦琦 ， 公众号关注：诗品算法 本文经作者授权转载，转载请联系原作者 文本相关性在蘑菇街搜索推荐排序系统中的应用 蘑菇街首页推荐视频流——增量学习与 wide&deepFM 实践（工程 + 算法） 0、引言 我曾经也秉承着“技术至上”的信条，但随着工 ....

分享嘉宾：王鸿伟 斯坦福大学 博士后 编辑整理：秋林津渡 内容来源：将门线上直播 188 期 出品平台：将门、DataFun 导读： 互联网产业蓬勃发展的今天，个性化推荐系统是所有面向用户的互联网平台的关键技术。**知识图谱作为一种新的知识载体，为推荐系统提供了额外的辅助信息来源，并有助于提升推荐结 ....

作者：carloslin，腾讯 PCG 应用研究员 Embedding 技术目前在工业界以及学术界中应用非常广泛，关于 Embedding 的探索和应用从未停歇。Embedding 的训练方法主要分成 DNN 的端到端的方法以及序列学习的非端到端的方法，其中最经典的 word2vec 以及由此衍生出 ....

[图片] 分享嘉宾：斯辰、楼溪 阿里飞猪 编辑整理：刘一全 出品平台：DataFunTalk 导读： 召回几乎是所有推荐系统的基础模块，对应到电商的推荐中，它的作用是从海量的商品池中，筛选出一部分用户可能感兴趣的商品作为上层排序系统的候选集。因此，可以说召回效果的好坏直接决定了推荐效果的上界。 常见 ....

微软亚洲研究院 2018 年 11 月 29 日 [图片] “猜你喜欢”、“购买过此商品的用户还购买过……”对于离不开社交平台、电商、新闻阅读、生活服务的现代互联网用户来说，个性化推荐已经不是什么新鲜事儿。 随着信息技术和互联网行业的发展，信息过载成了人们处理信息的挑战。对于用户而言，如何在以指数增 ....

作者： 袁彬@贝壳找房 本文根据贝壳找房资深工程师袁彬老师在 2020 年'面向 AI 技术的工程架构实践'大会上的演讲速记整理而成。 1 开场 大家好，很荣幸在这里给大家分享一下我们贝壳找房，在智能推荐平台建设方面的一些实践经验。今天的分享，主要分为以下四个部分： 贝壳智能推荐平台简介 贝壳智能推 ....

作者：yijiapan，腾讯 WXG 数据分析师 有幸参与了几个业务推荐系统搭建的全流程，本文将从实际经验出发，为大家解构如何从从零搭建推荐系统，希望跟大家能够相互交流，如有错误之处烦请指正。 一、推荐算法的理解 如果说互联网的目标就是连接一切，那么推荐系统的作用就是建立更加有效率的连接，推荐系统可 ....

导语 | 看点信息流每天为亿级用户提供海量实时推荐服务，除了大并发/低延迟/高性能等传统架构挑战以外，还有哪些推荐系统特有的架构挑战难题，又是如何解决的？本文是对腾讯看点独立端推荐研发中心总监——彭默在云 ＋社区沙龙 online 的分享整理，希望与大家一同交流。 一、看点信息流 [图片] 在 QQ ....

【推荐系统】专栏历史文章： 深入理解 YouTube 推荐系统算法 深入理解推荐系统：召回 深入理解推荐系统：排序 深入理解推荐系统：Fairness、Bias 和 Debias 深入理解推荐系统：推荐系统中的 attention 机制 作为【推荐系统】系列文章的第七篇，将以 CIKM2020 中的 ....

【推荐系统】专栏历史文章： 深入理解推荐系统：Fairness、Bias 和 Debias 深入理解推荐系统：召回 深入理解 YouTube 推荐系统算法 深入理解推荐系统：排序 作为【推荐系统】系列文章的第五篇，将以推荐系统中的“attention 机制”作为今天的主角，会从三个方面进行介绍，什么 ....

深入理解推荐系统：召回 深入理解 YouTube 推荐系统算法 深入理解推荐系统：排序 作为【推荐系统】系列文章的第四篇，将以推荐系统的“Fairness 公平性”作为今天的主角，会从四个方面来介绍 Fairness 的相关问题、解决方案、相关比赛和参考文献。 有一段时间没有更新这个系列的文章，最近 ....

作者：Ashok Chandrashekar, Fernando Amat, Justin Basilico and Tony Jebara 编译：ronghuaiyang 英文原文：https://netflixtechblog.com/artwork-personalization-c589f0 ....

[图片] 分享嘉宾：章莺 网易云音乐 资深算法工程师 编辑整理：汪方野 出品平台：DataFunTalk 导读： 近年来，网易云音乐作为一匹黑马迅速在移动音乐 APP 占据市场，2016 年用户量就突破了 2 亿，而这与它优质的推荐系统必不可分。网易云音乐推荐系统致力于通过 AI 算法的落地，实现千 ....

发布于 2019-12-11 原文： 推荐系统中如何做多目标优化 在做推荐系统的过程中，我们希望同时优化多个业务目标。比如电商场景中，希望能够在优化 GMV 的基础上提高点击率，从而提高用户的粘性；在信息流场景中，希望提高用户点击率的基础上提高用户关注，点赞，评论等行为，营造更好的社区氛围从而提高留 ....

[图片] 文章作者：曾钦榜 58 同城 高级技术经理 编辑整理：周晓侠 内容来源：58 技术沙龙 出品社区：DataFun 导读：随着科学技术的飞速发展，互联网被广泛应用于各个领域，而以互联网为基础的招聘模式也越来越受到企业的青睐。互联网招聘具有不受地域限制、覆盖面广、招聘成本低、针对性强、方便快捷 ....