上一页 1 2 3 4 5 6 7 8 ··· 26 下一页
摘要: 1、阿里巴巴PRM模型 推荐系统的架构大致分为如下几个模块:召回、粗排、精排、重排,那么为什么要引入重排模块呢。在精排阶段,我们希望得到的是一个候选排序队列的全局最优解,但是实际上,通常在精排阶段,我们精排模型是针对用户和每一个候选广告(商品)输出一个分值;而每个候选之间也会相互影响。例如在360搜 阅读全文
posted @ 2021-05-21 17:01 深度机器学习 阅读(1775) 评论(0) 推荐(0) 编辑
摘要: 1、257. 二叉树的所有路径 给定一个二叉树,返回所有从根节点到叶子节点的路径。 说明: 叶子节点是指没有子节点的节点。 示例: 输入: 1 / \ 2 3 \ 5 输出: ["1->2->5", "1->3"] 解释: 所有根节点到叶子节点的路径为: 1->2->5, 1->3 这道题给我们一个 阅读全文
posted @ 2021-05-17 16:46 深度机器学习 阅读(205) 评论(0) 推荐(0) 编辑
摘要: 为什么要做多目标优化? 做多目标优化一般由业务驱动,比如电商场景,肯定是希望推出去的东西用户既点击又购买并且下次还来,如果能够点赞收藏分享那就更好了,这里面涉及的优化目标就多了,比如点击率、转化率、收藏等等,在信息流场景也是一样的。所以多目标的优化是跟业务强相关的,想做一个用户喜欢、内容创作者愿意创 阅读全文
posted @ 2021-05-16 19:21 深度机器学习 阅读(1531) 评论(1) 推荐(1) 编辑
摘要: 1、Factorization Machines(FM) FM主要目标是:解决大规模稀疏数据下的特征组合问题。根据paper的描述,FM有一下三个优点: 可以在非常稀疏的数据中进行合理的参数估计 FM模型的时间复杂度是线性的 FM是一个通用模型,它可以用于任何特征为实值的情况 算法原理:在一般的线性 阅读全文
posted @ 2021-05-13 13:38 深度机器学习 阅读(1791) 评论(0) 推荐(0) 编辑
摘要: 1、在广告LR模型中,为什么要做特征组合? 在业界,LR模型之所以很受欢迎,主要是因为LR模型本质是对数线性模型,实现简单,易于并行,大规模扩展方便,迭代速度快,同时使用的特征比较好解释,预测输出在0与1之间契合概率模型。但是,线性模型对于非线性关系缺乏准确刻画,特征组合正好可以加入非线性表达,增强 阅读全文
posted @ 2021-05-12 14:34 深度机器学习 阅读(338) 评论(0) 推荐(1) 编辑
摘要: 1、基本思想 目前用的较多的算法ESMM和MMOE类的算法,都是基于目标的重要性是对等或线性相关来优化的,也一定程度上仿真建模解决了业务的需求。后面会细讲一下最基础的两个算法ESMM和MMOE,这里概括一下: ESMM:定义p(CTR)为曝光到点击的概率,那么点击然后购买的概率为p(CTCVR),他 阅读全文
posted @ 2021-05-10 12:26 深度机器学习 阅读(7941) 评论(0) 推荐(1) 编辑
摘要: 1、34. 在排序数组中查找元素的第一个和最后一个位置 给定一个按照升序排列的整数数组 nums,和一个目标值 target。找出给定目标值在数组中的开始位置和结束位置。 如果数组中不存在目标值 target,返回 [-1, -1]。 进阶:你可以设计并实现时间复杂度为 O(log n) 的算法解决 阅读全文
posted @ 2021-05-07 00:18 深度机器学习 阅读(89) 评论(0) 推荐(0) 编辑
摘要: 参考文献:https://www.zhihu.com/question/34819617 id 类特征 会极大提高模型的个性化能力和实际效果。而且可以对抗热度穿透现象。 假设一个最简单的问题,预估广告的点击率CTR。为了便于讨论,假设你只有一个特征,就是每次展现广告在过去一个时间窗内的历史点击率ct 阅读全文
posted @ 2021-04-20 20:12 深度机器学习 阅读(647) 评论(0) 推荐(0) 编辑
摘要: 1、61. 旋转链表 给你一个链表的头节点 head ,旋转链表,将链表每个节点向右移动 k 个位置。 链表中节点的数目在范围 [0, 500] 内 -100 <= Node.val <= 100 0 <= k <= 2 * 109 这道旋转链表的题和之前那道 Rotate Array 很类似,但是 阅读全文
posted @ 2021-04-12 13:29 深度机器学习 阅读(85) 评论(0) 推荐(0) 编辑
摘要: 参考文档:https://lumingdong.cn/application-practice-of-embedding-in-recommendation-system.html 1、Embedding的理解 Embedding,即嵌入,起先源自于 NLP 领域,称为词嵌入(word embedd 阅读全文
posted @ 2021-03-30 20:06 深度机器学习 阅读(1132) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 ··· 26 下一页