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 ....

[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 ....

[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 ....

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：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 ....

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 ....

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…

[图片]saying [图片] 1.AB测试几乎是系统改进的不二法则，算法做AB，开发做AB，产品做AB，运营更要做AB 2.召回有点像一个甩锅侠，我不管我给的准不准，我就管我把潜在的能投的都吃进来就行 3.其他环节想要提升，除了自身确实有改进，也要和精排相似。太超前的改进注定会被精排这个旧势力打压 ....

转自：知乎-水哥 链接：https://zhuanlan.zhihu.com/p/396951216 说明：本文仅用于知识交流，如有侵权，联系删除 写在前面 1、把点击多的item曝光提升是推荐模型的基本能力，也是基本要求。后验不好的曝光提高也可能是好模型，后验好的曝光不提高，可以开除推荐模型了 2 ....

转自：知乎-水哥 链接：https://zhuanlan.zhihu.com/p/396951216 说明：本文仅用于知识交流，如有侵权，联系删除 写在前面 召回区分主路和旁路，主路的作用是个性化+向上管理，而旁路的作用是查缺补漏，推荐系统的前几个操作可能就决定了整个系统的走向，在初期一定要三思而后 ....

[图片] 分享嘉宾：温鸿 阿里巴巴 高级算法专家 编辑整理：孙彬 太原理工大学 出品平台：DataFunSummit 导读： 本文的主题为阿里飞猪推荐算法探索实践，首先会介绍电商背景下主流推荐技术的发展，例如基于全空间的CVR预估技术的发展历程等 ( ESMM / ESM^2 / HM^3 )；接着 ....