网易严选全能选手召回表征算法实践 2022年3月15日 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…… 阅读全文
在腾讯应用宝的推荐实践 2022年3月15日 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 sentence2vec,doc2vec,item2ve…… 阅读全文
技术在推荐系统中的实践总结 2022年3月15日 作者:minwxwang,腾讯 PCG 应用研究员 当前主流的推荐系统中,embedding 无处不在,从一定意义上可以说,把 embedding 做好了,整个推荐系统的一个关键难题就攻克了。因此,本文总结了移动腾讯网推荐系统中的 embedding 技术实践,力图达到娱人娱己的目的。 什么是 embedding embedding 其实就是一种稠密向量的表示形式。在 embedding…… 阅读全文
同城技术在房产推荐中的应用 2022年3月15日 分享嘉宾:周彤 58同城 资深算法工程师 编辑整理:吴雪松 内容来源:58 推荐系统技术沙龙 出品平台:DataFunTalk 导读: 在深度学习的应用过程中,Embedding 这样一种将离散变量转变为连续向量的方式为神经网络在各方面的应用带来了极大的扩展,有"万物皆可 Embeddin…… 阅读全文
万物皆从经典的到深度学习基本操作 2022年3月15日 这里是 王喆的机器学习笔记 的第四篇文章,之前我们一起讨论了阿里的DIN,YouTube的深度学习推荐系统,本来今天想再分享另一篇科技巨头的业界前沿文章, Airbnb的Embedding方法 但因为文章中涉及word2vec的技术细节,为了保证一些初学者的知识是自洽的,我还是想在此之前…… 阅读全文
从看实时搜索排序中的技巧 2022年3月15日 这里是 「王喆的机器学习笔记」 的第八篇文章,今天我们聊一聊KDD 2018的Best Paper,Airbnb的一篇极具工程实践价值的文章 Real-time Personalization using Embeddings for Search Ranking at Airbnb 。 相信大家已经比较熟悉我选择计算广告和推荐系统相关文章的标准: 工程导向的; 阿里、facebook、google等一线互联网公司出品…… 阅读全文
论文的实践和思考 2022年3月15日 以下文章来源于搜索与推荐Wiki ,作者Thinkgamer 其实在19年初的时候大概看了一下这篇论文,但当时其实理解的并不深,今天再读的时候发现这里边其实包含了很多东西,不仅是学术性的目标函数优化,也包括工程性的取舍和特征的构造。 本文分为两部分,第一部分主要介绍论文,第二部分谈从中…… 阅读全文
使用嵌入来做个性化的搜索推荐来自 2022年3月15日 作者:Mihajlo Grbovic 编译:ronghuaiyang 英文原文: https://medium.com/airbnb-engineering/listing-embeddings-for-similar-listing-recommendations-and-real-time-personalization-in-search-601172f7603e 导读: 这是Airbnb的一篇经典文章的解读,使用房屋的嵌入来做搜索推荐,这篇文章也是KDD2018的best paper,思路很清楚:把房屋用嵌入向量来表示,两个技巧:全局正样本和市场内负采样,很有效,离线评估指标:预…… 阅读全文
腾讯技术工程推荐系统技术实践总结 2022年3月15日 作者:minwxwang,腾讯 PCG 应用研究员 当前主流的推荐系统中,embedding 无处不在,从一定意义上可以说,把 embedding 做好了,整个推荐系统的一个关键难题就攻克了。因此,本文总结了移动腾讯网推荐系统中的 embedding 技术实践,力图达到娱人娱己的目的。 什么是 embedding embedding 其实就是一种稠密向量的表示形式。在 embedding…… 阅读全文
从到模型自然语言处理中的预训练技术发展史 2022年3月15日 Bert最近很火,应该是最近最火爆的AI进展,网上的评价很高,那么Bert值得这么高的评价吗?我个人判断是值得。那为什么会有这么高的评价呢?是因为它有重大的理论或者模型创新吗?其实并没有,从模型创新角度看一般,创新不算大。但是架不住效果太好了,基本刷新了很多NLP的任务的最好性能…… 阅读全文