原创 基於強化學習的自動搜索
導讀：神經架構自動搜索的另一個常用策略是強化學習，強化學習把架構的生成看成一個智能體 ( agent ) 在選擇動作 ( action ) 的過程，通過在測試集上測試網絡性能來獲取獎勵值 ( reward )，從而指導架構的生成。近年來，基
2019-11-01 17:30:45
原创 YouTube 多目標排序系統：如何推薦接下來收看的視頻
導讀：今天分享篇 Youtube 推薦排序模塊的論文 from RECSYS 2019：Recommending What Video to Watch Next: A Multitask Ranking Systemhttps://dl.
2019-10-31 15:25:27
3
原创 Facebook 面向個性化推薦系統的深度學習推薦模型
導讀：今天分享一下 facebook 新發的深度學習推薦系統的論文：Deep Learning Recommendation Model for Personalization and Recommendation Systemshttps
2019-10-29 15:50:25
原创 深度學習技術在美圖個性化推薦的應用實踐
導讀：美圖秀秀社交化的推進過程中，沉澱了海量的優質內容和豐富的用戶行爲。推薦算法連接內容消費者和生產者，在促進平臺的繁榮方面有着非常大的價值 。本次分享探討美圖在內容社區推薦場景下應用深度學習技術提升點擊率、關注轉化率和人均時長等多目標的實
2019-10-28 10:15:17
原创 機器學習評估指標 AUC 綜述
引言在互聯網的排序業務中，比如搜索、推薦、廣告等，AUC ( Area under the Curve of ROC ) 是一個非常常見的評估指標。網上關於 AUC 的資料很多，知乎上也有不少精彩的討論，本文嘗試基於自身對 AUC 的理解做
2019-10-23 15:05:17
原创 UC 信息流推薦模型在多目標和模型優化方面的進展
導讀：短視頻已經成爲信息流行業的風口，成爲拉動規模增長的主要驅動力。短視頻天然具有信息能量高、用戶粘性大、內容豐富等優點，也有視頻幀內容難以分析提取、結構化的缺點。如何提高短視頻的分發效率和推薦精準度，做到千人千面的個性化推薦，是一個推薦系
2019-10-22 15:10:17
原创 Google 推薦系統公平性論文解讀
導讀：今天分享的是谷歌一篇關於推薦系統中公平性的文章。Fairness in Recommendation Ranking through Pairwise Comparisonshttps://arxiv.org/pdf/1903.007
2019-10-21 10:25:18
原创 UC 國際信息流推薦中的多語言內容理解
多語言內容理解的需求和挑戰1. 結構化是推薦的基礎結構化是推薦的基礎，對於大多數做推薦的同學應該會比較有感受。可以把推薦系統分爲三部分：內容理解和用戶理解兩個大的離線模塊；在線的推薦業務分爲召回、排序、多樣性等，主要利用離線的 NLP 結構
2019-10-15 14:20:19
原创 深度度量學習中的損失函數
導讀：度量學習 ( metric learning ) 研究如何在一個特定的任務上學習一個距離函數，使得該距離函數能夠幫助基於近鄰的算法 ( kNN、k-means 等 ) 取得較好的性能。深度度量學習 ( deep metric lear
2019-10-11 14:40:12
7
原创 以 YouTube 論文學習如何在推薦場景應用強化學習
導讀：近期，業界開始流傳 YouTube 成功將 RL 應用在了推薦場景，並且是 YouTube 近幾年來取得的最顯著的線上收益。放出了兩篇論文：[1] Top-K Off-Policy Correction for a REINFORCE
2019-10-09 14:20:23
1
原创 以調試形式，深入理解鳳凰全局索引
第六章Debug 之前，需要寫一段簡單代碼，用以驅動調試過程。PhoenixConnection connection = (PhoenixConnection)DriverManager.getConnection(
2019-09-30 09:30:17