[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 ....

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：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 ....

[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 ....

[图片] 分享嘉宾：潘胜一 网易严选 算法专家 ,严选人工智能部搜索推荐负责人。团队负责的业务包括搜索、推荐、内外部广告、用户模型等。 编辑整理：许建军 出品平台：DataFunTalk 导读： 本文主要分享 '全能选手' 召回表征算法实践。首先简单介绍下业务背景： 网易严选人工智能部，主要有三个方 ....

[图片] 文章作者：姚凯飞 编辑整理：Hoh 导读： 用户画像也是近几年比较热的一个词，不过很多小伙伴对于画像的认知还只是标签化的层面，或者只是利用其做一些简单的分群分析；如何全面地认知并做系统性地尝试，背后有非常多的点需要我们深思挖掘。今天就根据自己的一些浅见进行分享，因为与商品画像的联系，中间也 ....

文章作者：梁超 腾讯 高级工程师 编辑整理：Hoh Xil 内容来源：DataFun AI Talk 出品社区：DataFun [图片] 导读： 本次分享的主题为推荐系统中模型训练及使用流程的标准化。 在整个推荐系统中，点击率 ( CTR ) 预估模型是最为重要，也是最为复杂的部分。无论是使用线性模 ....

分享嘉宾：姚凯飞 句逗科技 联合创始人 编辑整理：刘璐 出品平台：DataFunTalk 导读： 做用户，绕不开画像！画像不仅可以提升对用户的认知，还可以通过落地赋能业务。今天我们聊聊用户画像在用户生命周期中的应用，主要介绍用户画像在电商场景下如何驱动产品链路优化。将按照用户生命周期，对用户进行划分 ....

[图片] 文章作者：王华呈 360 资深算法工程师 编辑整理：杨辉之 内容来源：爱奇艺技术沙龙 出品社区：DataFun 导读： 随着展示广告业务数据量的日益增长，360 展示广告召回系统也随之也进行不断升级改进。本次介绍主要从召回系统演进的角度详细阐述工程实践中的算法应用、技术难点以及解决方案。主 ....

[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 推荐阅读：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 好久不见。十月最后一天，居然也是十月的第一篇，脸疼。今天我们来聊聊相关性吧。如 ....

分享嘉宾：赵争超 前微拍堂算法负责人编辑整理：王岩出品平台：DataFunTalk导读： 当前阶段，“个性化推荐”早已成为了电商平台的基建工程，也是 AI 驱动业务增长的重要支撑，概括地说，个性化推荐

随着移动互联网的兴起，用户的很多行为逐渐从PC端转向移动端。人们花在手机上的时间越来越多。

用过虾米、酷狗、QQ音乐、网易云音乐，个人感受网易云音乐在音乐推荐这块做的真心不错，特别是以“人”为角度的推荐，没有像虾米、酷狗推的那么乱。虾米还可以，但更多的是以歌搜歌的形式。刚注册了一个新的账号，避免有历史数据的干扰，听了一首周杰伦的《一路向北》和陈奕迅的《淘汰》，然后去个性化推荐里看到了蔡健雅的《红色高跟鞋》和曲婉婷的《承认》，给我的感觉还是比较惊喜，…

摘要：今日头条作为一种新型的新闻阅读方式，已经将传统的新浪、腾讯、网易、搜狐这些新闻媒体以一种大数据+新闻内容的方式呈现给用户。上线没几年，用户量已经发展到3亿累计用户，日活奔着3000万去。看到这样的数据，小编还是比较震撼。这几乎是目前APP Top10的水平。所以有必要对今日头条好好研究下。 简单来看下今日头条这类的个性化推荐要实现大概是什么样的流程： …

其实推荐系统前面已经讲过不少，那时候主要是放在机器学习上讲的，既然这次要系统撸一遍数据挖掘，就把推荐系统单独拿出来说一说。相信如果做过推荐系统的人，都知道是什么回事。一堆features，一堆算法模型，一堆online、offline规则和计算，还有若干的场景。包括著名的netflix、Amazon做的推荐场景都有哪些，有哪些坑需要注意的，之前都有说过。没看…