希孟 网易 稿 https://www.6aiq.com/article/1647651329252 从2019年年中起，我们针对网易新闻个性化推荐的系统架构做了更新迭代，涉及的工作包括特征/样本的平台化、pCTR推理服务的性能优化、大规模分布式训练的探索，以及目前正在进行的推荐中台化改造等。 我们 ....

一年一度的ACM Recsys会议在9月份已经胜利闭幕，留下一堆slides和tutorials等着我们去学习。 翻看今年的各种分享，其中老司机Xavier Amatriain（曾…

作者：郭延琛、皇甫庆彬 马蜂窝技术 稿 马蜂窝信息流推荐系统的目的是给用户推荐更好玩，更有用的内容攻略，该系统通过内容池、召回、排序、重排序几个过程，从海量内容中筛选出用户感兴趣的推荐给用户。 排序是推荐系统中的重要一环，马蜂窝使用基于CTR预估的排序模型，通过学习数据中的知识训练模型，再将内容推荐 ....

作者：赵新源 智能推荐部 ，2020年加入汽车之家，在智能数据中心-智能推荐部负责推荐工程相关工作。 前言 随着之家业务不断发展壮大，业务的多样性给我们带来了更多的挑战，利用数据分析来驱动业务快速决策是重中之重。推荐系统就是通过精细化策略迭代来提升我们的服务质量和业务质量，但是策略的优化结果不是凭感 ....

本次讨论的问题目录有： 什么是Embedding？ 推荐系统为什么需要Embedding？ 推荐系统代码中如何用数据生成Embedding？ 推荐系统代码中的Embedding技术…

作者：vivo互联网服务器团队-Zhang Wei 一、概述 1.1 业务背景 vivo短视频在视频推荐时需要对用户已经看过的视频进行过滤去重，避免给用户重复推荐同一个视频影响体验。在一次推荐请求处理流程中，会基于用户兴趣进行视频召回，大约召回2000~10000条不等的视频，然后进行视频去重，过滤 ....

[图片] 分享嘉宾：Stanford 腾讯音乐 编辑整理：曾新宇 对外经贸大学 出品平台：DataFunTalk 导读： 今天和大家分享一下关于QQ音乐在召回算法中的一些探索和实践。将会从以下五个方面进行介绍： 业务介绍 融合知识图谱召回 序列与多兴趣召回 音频召回 联邦学习召回 01 业务介绍 1 ....

导语 | 召回模块面对几百上千万的推荐池物料规模，候选集十分庞大。由于后续有排序模块作为保障，故不需要十分准确，但必须保证不要遗漏和低延迟。目前主要通过多路召回来实现，一方面各路可以并行计算，另一方面取长补短。召回通路主要有非个性化和个性化两大类。 在上篇*《超强指南！推荐算法架构——重排》* 中我 ....

[图片] 分享嘉宾：马玉潮 狮桥集团 高级算法经理 编辑整理：王梓蔚 香港中文大学（深圳） 出品平台：DataFunTalk 导读： 狮桥经过几年的探索，逐步在物流行业打造了一个智能化、高效流通的物流平台，为整个行业赋能，帮助行业里面每一个角色去提升自身的效率，降低成本。今天分享的题目是物流平台的车 ....

[图片] 分享嘉宾：郭晓洁博士 京东硅谷研究院 编辑整理：廖媛媛 美的集团 出品平台：DataFunTalk 导读： 京东智能商客之推荐卖点是基于NLP的产品，目前已广泛地助力和赋能于京东商城的各个平台。今天和大家分享一下自然语言处理如何在工业界落地实现。主要围绕以下5个方面展开： 推荐卖点技术背景 ....

作者：易云天 网易云音乐稿 1 背景 在云音乐早期机器学习推荐场景中，大多数是以离线机器学习为主，模型是天级别（T+1）更新的。随着用户、主播、ugc内容等变动频繁，以及外部环境发生突变如产品形态、热点爆点等情况下，离线方式存在严重的滞后性，而模型实时化能从全局快速捕捉变化，提高流量转化效率，减少流 ....