已有1人关注此标签
达观数据：推荐系统评测指标综述
作者: 达观数据
661人浏览
推荐系统是互联网发展至今最常见也重要的技术之一。如今各类APP、网站、小程序等所有提供内容的地方，背后都有推荐系统在发挥作用。 开发好一套真正优秀的推荐系统非常有价值，但也非常艰巨。达观数据是国内推荐系统主要第三方供应商，一直在摸索中前进。
ALS算法实现用户音乐打分预测
作者: 傲海
3047人浏览
很多人在决定是否看一部电影之前都会去豆瓣看下评分作为参考，看完电影也会给一个自己的分数。每个人对每个商品或者电影或是音乐都有一个心理的分数，这个分数标明用户是否对这个内容满意。作为内容的提供方，如果可以预测出每个用户对于内容的心理分数，就能更好的理解用户，并给用户提供好的内容推荐。
信息流短视频时长多目标优化
作者: 邢日良
6164人浏览
背景 信息流短视频排序目前使用的是基于CTR预估Wide&Deep排序模型。在此基础上继续一系列优化，通过引入相关性信号、体感信号、多场景的样本融合、高层排序模型取得了不错收益。 信息流短视频模型优化可分为两部分优化： 感知相关性优化——点击模型以优化（CTR/CLICK为
推荐算法CB
作者: 三叶树
1502人浏览
CB算法 基于内容的推荐。 用户喜欢电影: A ，现在有一部新电影B,怎么确定是否要推荐给用户。 1.对所有的电影进行特征建立和建模。特征就是电影的属性：比如名字，描述，类型，标签，主演等等 2.根据A的特征去筛选电影，如果B的得分很高，那么就可以推荐给此用户 应用场景 比如一个音乐网站，你点击一首歌，那么基于这首歌会推荐内容相关的其他歌曲给你。
【双11背后的技术】基于深度强化学习与自适应在线学习的搜索和推荐算法研究
作者: 云木西
11241人浏览
作者：灵培、霹雳、哲予 1. 搜索算法研究与实践 1.1 背景 淘宝的搜索引擎涉及对上亿商品的毫秒级处理响应，而淘宝的用户不仅数量巨大，其行为特点以及对商品的偏好也具有丰富性和多样性。因此，要让搜索引擎对不同特点的用户作出针对性的排序，并以此带动搜索引导的成交提升，是一个极具挑战性的问题。传统
专访阿里巴巴徐盈辉：深度学习和强化学习技术首次在双11中的大规模应用
作者: 云栖小秘书
10729人浏览
淘宝的搜索和推荐发展到今天，正在从智能的依靠机器学习能力解决业务问题，向更高效的从不确定性中探索目标的学习+决策的能力进化。今年双11，人工智能技术在搜索与推荐场景里有怎样的创新应用，阿里巴巴研究员徐盈辉将在本次在线论坛中和大家分享。
