檢索-搜索
1.Annoy(Approximate Nearest Neighbors Oh Yeah)算法是應用於稠密矩陣的最近鄰查找算法,Annoy的目標是建立一個數據結構,使得查詢一個最近鄰的時間是線性的。Annoy通過對輸入矩陣建樹來獲取O(log n)的檢索速度
建庫:平面內隨機取一個點作爲種子節點,隨機取200個節點判斷每個點和哪個種子距離更近,取上述點的中心爲最終的中心點,優缺點:樹形檢索快;參考文獻:http://yongyuan.name/blog/ann-search.html
2. LOPQ,數據動態增刪靈活,參考:https://www.sohu.com/a/128426626_642762, http://yongyuan.name/blog/opq-and-hnsw.html
3. HNSW, 佔用內存大,召回率高,數據動態增刪不易,https://www.codercto.com/a/20748.html
4. Google:谷歌搜索的工作原理簡述 https://www.cnbc.com/2018/09/17/google-tests-changes-to-its-search-algorithm-how-search-works.html
5. 淘寶搜索模型如何全面實時化?首次應用於雙11
6. 電商搜索算法技術的演進
7. 深入搜索引擎原理
推薦
- IBM
- AI算法與道德規則如何平衡?IBM推出AI推薦技術
- google
- YouTube視頻推薦系統爲什麼那麼強?看了這篇文章你就知道了; https://dl.acm.org/doi/10.1145/3298689.3346997
- 重讀 Youtube 深度學習推薦系統論文,字字珠璣,驚爲神文
- facebook -
- Facebook首次揭祕:超過10億用戶使用的Instagram推薦算法是怎樣煉成的;
-
想知道Facebook怎樣做推薦?FB開源深度學習推薦模型
-
netflix
-
Netflix推薦系統模型的快速線上評估方法——Interleaving
-
- Instagram
- Instagram 推薦系統:每秒預測 9000 萬個模型是怎麼做到的
- 擁有 10 億月活躍用戶的 Instagram 是怎麼設計內容推薦系統的
- 浙大
- 用戶畫像:浙大開發算法軟件,輕鬆識別兒童玩手機
- 阿里
- 淘寶如何擁抱短視頻時代?視頻推薦算法實戰
- 如何優化大規模推薦?下一代算法技術JTM來了
- 強化學習用於推薦系統,螞蟻金服提出生成對抗用戶模型
- 電商搜索算法技術的演進
- 短視頻如何做到千人千面?FM+GBM排序模型深度解析
- UC研發團隊從技術角度聊聊,短視頻爲何讓人停不下來
- 和北大完成的AAAI2018的論文,提出一種基於注意力機制的用戶異構行爲序列的建模框架,並將其應用到推薦場景中。作者提出用同一種模型同時預測多種類型的用戶行爲,由於沒有使用RNN,CNN等方法,因此在提高效果的同時,該方法能夠有更快的訓練速度。ATRank An Attention-Based User Behavior Modeling Framework for Recommendation.pdf
- 騰訊
- QQ看點日報內容優化——基於BERT的熱點召回系統
實戰
- 如何動手設計和構建推薦系統
-
https://towardsdatascience.com/recommendation-systems-in-the-real-world-51e3948772f3
-
什麼是推薦系統?有哪些類型的推薦系統?怎麼做推薦系統
-
https://medium.com/moosend-engineering-data-science/the-road-to-recommender-systems-d6bb79bd169d
-
利用Python構建一個簡單的推薦系統
會議
1. ICML
2. RecSys
3. KDD