网站首页 第1929页

• 

  CTR 预估之 FM（ctr预估模型 案例）

  回顾之前用FM做过CTR预估，然后之前接触了一些推荐算法，没搞明白这推荐和CTR之间的区别。给出网上的一些回答：计算广告与推荐系统有哪些区别？读完后的整体感受是：就推荐系统和CTR所属的计算广告来说，两者确实是不同的，是两...

  2024-08-08 baijin 博客文章 114 ℃ 0 评论
• 

  如何使用深度学习技术，准确预计外卖的送达时间?

  ETA（预计送达时间预估）是配送调度环节中非常重要的一环，而且涉及的因素特别多。本文阐述了ETA深度学习技术迭代中的一些尝试及效果。1.背景...

  2024-08-08 baijin 博客文章 91 ℃ 0 评论
• 

  特征交叉系列:PNN向量积模型理论和实践，FM和DNN的串联

  关键词：...

  2024-08-08 baijin 博客文章 97 ℃ 0 评论
• 

  为什么近几年推荐系统顶会论文都有些灌水?

  为什么近几年推荐系统顶会论文看起来都有些灌水呢？就算是Wide&Deep、DeepFM、DIN这些经典巨作，放到一些大型互联网公司的广告场景中，也未必直接有效。这是不是有些奇怪呢？对于我个人来说，读推荐系统领域的论文，一定要仔细阅读...

  2024-08-08 baijin 博客文章 189 ℃ 0 评论
• 

  短视频如何做到千人千面?FM+GBM排序模型深度解析

  摘要：背景信息流短视频以算法分发为主，人工分发为辅，依赖算法实现视频的智能分发，达到千人千面的效果。整个分发流程分为：触发召回、排序与重排三个阶段。排序层在其中起着承上启下的作用，是非常重要的一个环节。在排序层优化的过程中，除了借鉴业界...

  2024-08-08 baijin 博客文章 66 ℃ 0 评论
• 

  你的「在看」有人看，清华研究者从微信「看一看」发现了这些规律

  选自arXiv...

  2024-08-08 baijin 博客文章 118 ℃ 0 评论
• 

  广告系列:召回与排序(三)（召回旧部的广告语）

  导语：特征对于机器学习很重要，整个模型发展的主旋律之一就是对有效特征及其组合的发现和使用。实际场景中影响结果的特征有很多，随着发展业务对预估的精度要求不断提高，模型结构也越来越复杂。召回与排序涉及的模型如过江之鲫，不胜枚举，本文试图通过梳理...

  2024-08-08 baijin 博客文章 135 ℃ 0 评论
• 

  如何利用「深度上下文兴趣网络」提升点击率?

  美团到店广告平台在用户行为序列建模算法的迭代落地中，基于对业务实际场景中用户决策心智的观察，创新性地提出了深度上下文兴趣网络，精确建模了用户的兴趣，提升了CTR等线上业务指标。本文介绍了相应算法背后的动机、建模方法以及工程优化，希望能为从事...

  2024-08-08 baijin 博客文章 93 ℃ 0 评论
• 

  一文带你了解推荐系统——常用召回和排序技术

  现代移动互联网充斥着各种各样的信息，如购物、新闻，短视频，直播等等，经常使用户迷失在海量的信息中，无法找到真正感兴趣的内容。因此推荐算法应运而生，应用于各大领域：“吃”有美团、饿了么等；“穿”有淘宝等；“住”有蛋壳、自如等；“行”有汽车之家...

  2024-08-08 baijin 博客文章 106 ℃ 0 评论
• 

  FM 理论与实践（fm是什么意思）

  来源:微信公众号:鸿煊的学习笔记出处:https://mp.weixin.qq.com/s/NYlauAvHI_jo8eHiBmg6dA...

  2024-08-08 baijin 博客文章 125 ℃ 0 评论