[图片] 文章作者：harryzhong 腾讯 研究员 内容来源：腾讯技术工程 一、看一看介绍 1.1 看一看的场景 微信作为国内最大用户群体的应用，在人们的生活，工作，学习中提供社交功能的同时，还提供了工具，游戏，购物，支付，内容，搜索，小程序等服务。看一看作为微信的重要组成部分，在原有公众平台资 ....

[图片] 分享嘉宾：申恩兆、李志然 新浪微博 编辑整理：赵文娇、Hoh 出品平台：DataFunTalk 导读： 微博作为全球领先的中文广场社交平台，拥有海量用户与数据。在从海量数据中挖掘有价值的信息，为业务赋能的过程中，微博的推荐算法经历了数次升级换代，积累了许多经验。今天跟大家分享下，在此过程中 ....

[图片] 分享嘉宾：刘志强奇虎 360 推荐算法架构师 编辑整理：周峰 内容来源：DataFun AI Talk《机器学习与推荐系统实践》 出品社区：DataFun 注：欢迎转载，转载请注明出处。 1. 摘要 本次分享内容为机器学习在推荐系统的应用。主要介绍推荐系统实践中遇到基本问题，以及基于机器学 ....

nevinzhang 微信 AI 导读：在微信 AI 背后，技术究竟如何让一切发生？关注微信 AI 公众号，我们将为你一一道来。今天我们将放送**微信 AI 技术专题系列“微信看一看背后的技术架构详解”**的第二篇——《微信看一看内容召回》。 第一篇：微信「看一看」 推荐排序技术揭秘 看一看介绍 相 ....

[图片] 阿里妹导读：本文来自蚂蚁金服人工智能部认知计算组的基础算法团队，文章提出一整套创新算法与架构，通过对 TensorFlow 底层的弹性改造，解决了在线学习的弹性特征伸缩和稳定性问题，并以 GroupLasso 和特征在线频次过滤等自研算法优化了模型稀疏性，在支付宝核心推荐业务获得了 uvc ....

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 ....

本文总结了百度，华为，京东，360，vivo 等接近 20 家公司的推荐算法校招面试经验和个人心得，以及若干学习资料和方法，相信无论是在校生还是从业人员读后都会有所收获 ～ 作者：Taylover1314 编辑：happyGirl [图片] 0、写在前面 秋招已经渐行渐远，休养生息（吊儿郎当）了一个 ....

出自 搜狐技术产品 公众号 一简介 在推荐系统的排序环节中，我们经常使用 CTR(Click-Through Rate)预估的方式来构建排序模型。在业界的实际应用上，如何通过大规模数据提取出有效特征对用户行为建模、泛化一直是研究人员的工作方向，由于在推荐系统的实际应用中，数据通常非常稀疏，如何从大规 ....

[图片] 阿里妹导读：当年打开天猫的那一刻，它为你完成了华丽的变身，成为世上独一无二的“天猫”，这就是智能推荐的力量。今天，来自阿里巴巴搜索推荐事业部的算法工程师陈启伟为你介绍天猫如何玩转首页个性化推荐，揭开搜索推荐的神秘面纱。 天猫首页作为用户打开手机天猫 App 的第一印象，所推荐的商品极大地决 ....

58 招聘智能推荐系统 推荐的概念早已渗透进我们的日常生活中，我们欣赏过各类电影、音乐、游戏榜单，沉迷过电商节日层出不穷的百货商品，甚至钻研过如何选择投资理财，如何购房置业，如何开启更好的职业生涯。在这样一个信息爆炸的时代，我们永远不缺少选项，如果没有推荐发挥作用，在海量的数据面前，我们有时不知所措 ....

收录自 DataFunTalk 公众号 分享嘉宾：刘金老师 编辑整理：李亚俊 内容来源：DataFun AI Talk《饿了么推荐算法演进及在线学习实践》 出品社区：DataFun [图片] 本次分享的主要内容包括以下三个方面：首先是介绍推荐业务背景，包括推荐产品形态及算法优化目标；然后是算法的演进 ....

分享嘉宾：罗景** 58 同城 高级架构师** 编辑整理：洪鹏飞 内容来源：DataFun AI Talk《连接效率优化实践》 出品社区：DataFun 注：欢迎转载，转载请注明出处。 [图片] 本次分享由以下几个部分构成，首先是 58 的业务背景，然后是综合排序框架，以及效率优化框架，并且对基础数 ....

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 ....

转载自 美团点评技术团队 引言 我们正处在一个知识爆炸的时代，伴随着信息量的剧增和人工智能的蓬勃发展，互联网公司越发具有强烈的个性化、智能化信息展示的需求。而信息展示个性化的典型应用主要包括搜索列表、推荐列表、广告展示等等。 很多人不知道的是，看似简单的个性化信息展示背后，涉及大量的数据、算法以及工 ....

来源 | 微软研究院 AI 头条 将知识图谱作为辅助信息引入到推荐系统中可以有效地解决传统推荐系统存在的稀疏性和冷启动问题，近几年有很多研究人员在做相关的工作。目前，将知识图谱特征学习应用到推荐系统中主要通过三种方式——依次学习、联合学习、以及交替学习。 依次学习（one-by-one learni ....

[图片] 文章作者：陈文强、白杨、黄海勇 编辑整理：王吉东 内容来源：2019 DataFun Live 09 出品社区：DataFun 导读： 美图秀秀社交化的推进过程中，沉淀了海量的优质内容和丰富的用户行为。推荐算法连接内容消费者和生产者，在促进平台的繁荣方面有着非常大的价值 。本次分享探讨美图 ....

主题 58 同城推荐系统架构设计与实现 一、推荐系统架构介绍 推荐系统是一个微庞大的工程、算法与业务综合的系统，其主要分为三大子系统： 1）线下推荐子系统； 2）线上推荐子系统； 3）效果评估子系统； 后文将重点讨论以上三大子系统的设计与实现。 二、线下推荐子系统 线下推荐子系统又主要分为线下挖掘模 ....

檀亚峰-智能工程 引言 推荐系统是依据用户的个人喜好尽可能推荐用户喜爱的物品（视频、新闻、商品、直播等），而用户的兴趣偏好则通过过往的行为数据体现出来。当没有历史记录可循时，就存在推荐冷启动问题。本文在接下来的篇幅首先讲述冷启动的相关概念，然后介绍一些业界常规的解决方法，最后会着重阐述花椒直播在解决 ....

[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 ....