[图片] 文章作者：王松林、唐国瑜 京东算法工程师 编辑整理：Hoh 内容来源：作者授权 出品平台：DataFunTalk 导读： 本文将介绍京东搜索场景中的两块技术，语义检索与商品排序。在业界检索算法基础上，我们提出一系列更适用于电商场景的检索排序算法，在业务上取得了显著收益。其中的多篇论文已被 ....

英文原文 翻译地址 回顾 在前一节中，我们知道 CRF 层可以从训练数据集中学习一些约束，以确保最终预测的实体标签序列是有效的。 约束条件可以是： 句子中第一个单词的标签应该以“B-”或“O”开头，而不是“I-” “B-label1 I-label2 I-label3 I-…”，在这个模式中，lab ....

背景 在推荐领域 CTR（click-through rate）预估任务中，最常用到的 baseline 模型就是 LR（Logistic Regression）。对数据进行特征工程，构造出大量单特征，编码之后送入模型。这种线性模型的优势在于，运算速度快可解释性强，在特征挖掘完备且训练数据充分的前提 ....

[图片] 导读： 随着移动互联网和人工智能技术的发展，智能化营销正渗透到各行各业。如何衡量和预测营销干预带来的'增量提升'，而不把营销预算浪费在'本来就会转化'的那部分人身上，成为智能营销算法最重要的挑战。我们以 Uplift Model 为基础，构建营销增益预测模型，帮助商家锁定营销敏感人群，驱动 ....

[图片] 分享嘉宾：王炜 58 同城 架构师 编辑整理：陈佳琪、李元 内容来源：DataFunTalk 导读： 58 同城作为分类信息网站，服务覆盖多个领域，如房屋租售、招聘求职、二手买卖等等，不同的业务有不同的特点，这使得多业务融合推荐成为一大挑战。如何准确挖掘用户的需求？如何平衡各业务之间的流量 ....

转载自 知乎专栏 王喆的机器学习笔记 这周我们一起讨论一下 YouTube 的深度推荐系统论文《Deep Neural Networks for YouTube Recommendations》，这是 2016 年的论文，按照今天的标准来看，已经没有什么新颖的地方，我也是两年前读过这篇文章之后就放下 ....

原文地址 http://wangke.me/2017/07/17/youtube-recommendation-system/ 作者： 王科 作为全球最大的视频网站，YouTube 的推荐系统如同 Netflix，Amazon 一样备受业内人士格外关注。本文对 YouTube 历年发表的推荐系统论文 ....

作者： 苏克 1900 写在前面： 本文主要参考 Online Learning 算法理论与实践，但该文和网上找到的资料都没有很好的给出关于模型参数 w 的解析解的推导过程，甚至原论文 http://www.eecs.tufts.edu/~dsculley/papers/ad-click-predi ....

导读： 在本文中，我们介绍了交付时间预估迭代的三个版本，分别为基于地址结构的树模型、向量召回方案以及轻量级的 End-to-End 的深度学习网络。同时介绍了如何在性能和指标之间取舍，以及模型策略迭代的中间历程，希望能给从事相关工作的同学们有所启发和帮助。 1. 背景 可能很多同学都不知道，从打开美 ....

[图片] 分享嘉宾：陈琳 58 同城 算法架构师 编辑整理：Duoli 出品平台：DataFunTalk 导读： 58 本地服务由数百个细分品类、多个创新业务和国际业务组成，如何构建智能化的流量分发体系是一项挑战，我们通过整合搜索和推荐场景构建了一套统一的流量分发系统，本次分享将主要介绍系统中的算法 ....

[图片] 导读： 丰富准确的地图数据大大提升了我们在使用高德地图出行的体验。相比于传统的地图数据采集和制作，高德地图大量采用了图像识别技术来进行数据的自动化生产，而其中场景文字识别技术占据了重要位置。商家招牌上的艺术字、LOGO 五花八门，文字背景复杂或被遮挡，拍摄的图像质量差，如此复杂的场景下，如 ....

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 ....

背景 58 同城作为中国最大的分类信息网站，为用户提供招聘、租房、二手车及黄页等多种信息服务，其中招聘业务是公司的主要业务之一。招聘平台有千万级的求职者用户，每天有百万级的新增职位发布，如何提高招聘方与求职者的双边匹配效率和用户体验，是招聘数据策略团队一直致力于解决的核心问题。此外，58 招聘求职者 ....

随机变量概述 统计学的本质是从具有不可预测性的数据中提取信息，随机变量则是为这种可变性建立模型的数学工具。 在每一次观测中，随机变量随机取不同的值。 我们无法提前预测随机变量的精确取值，但是可以对可能的取值做出概率性的刻画。 也就是说，我们可以描述随机变量的取值的分布。 本章简要回顾应用随机变量时所 ....

[图片] 文章作者：龙楚、丹鸥、晨宁、元涵 内容来源：阿里机器智能 导读： 用户建模是搜索与推荐模型的核心技术。我们力求从实际应用出发，和大家分享我们在搜索场景中用户建模的一些实践经验。同时将我们所观察到的现象、问题写出来，欢迎大家多讨论交流。 01 背景与意义 用户建模是搜索与推荐模型的核心技术。 ....

Twitter 的实时搜索引擎起步于一家被收购的小公司，随着流量的增长、功能的增加和服务对象的扩张，搜索引擎不断面临着新的挑战，设计经历了多次变化。本演讲将介绍该实时搜索引擎进化历程中的挑战和决策。 王天， Twitter Senior Staff Engineer, 2003 年清华计算机系本科毕 ....

[图片] 什么是 CTR 预估 CTR（Click-Through-Rate）即点击通过率，是互联网广告常用的术语，指网络广告（图片广告/文字广告/关键词广告/排名广告/视频广告等）的点击到达率，即该广告的实际点击次数除以广告的展现量。 CTR 是衡量互联网广告效果的一项重要指标。 CTR 预估数据 ....

[图片] 阅读原文 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 写在前面 作为【推荐系统】系列文章的第二篇，将以“召回”作为今天的主角，会从四个方面来介绍召回的不同算法方式，即基于内容的召回、协同过滤、基于 FM 模型召回和基于深度学习的方法。 一、背景介 ....

作者： 黄冠 这个 tutorial 确实不错 https://www.comp.nus.edu.sg/~xiangnan/sigir18-deep.pdf，我很喜欢，好像一个博士论文一样，将这两个领域梳理得很清楚。 搜索，推荐和广告其实是机器学习在工业界最好的落地。而且容易拿到由用户的行为来表示的 ....