3.
精排模型
navigate_next
3.5.
多场景建模
navigate_next
3.5.3.
小结
search
Quick search
code
Show Source
Jupyter 记事本
GitHub
FunRec 推荐系统
Table Of Contents
前言
安装
符号
1. 推荐系统概述
1.1. 推荐系统是什么？
1.2. 本书概览
2. 召回模型
2.1. 协同过滤
2.1.1. 基于用户的协同过滤
2.1.2. 基于物品的协同过滤
2.1.3. Swing 算法
2.1.4. 矩阵分解
2.1.5. 总结
2.2. 向量召回
2.2.1. I2I召回
2.2.2. U2I召回
2.2.3. 总结
2.3. 序列召回
2.3.1. 深化用户兴趣表示
2.3.2. 生成式召回方法
2.3.3. 总结
3. 精排模型
3.1. 记忆与泛化
3.2. 特征交叉
3.2.1. 二阶特征交叉
3.2.2. 高阶特征交叉
3.2.3. 总结
3.3. 序列建模
3.4. 多目标建模
3.4.1. 基础结构演进
3.4.2. 任务依赖建模
3.4.3. 多目标损失融合
3.4.4. 小结
3.5. 多场景建模
3.5.1. 多塔结构
3.5.2. 动态权重建模
3.5.3. 小结
4. 重排模型
4.1. 基于贪心的重排
4.2. 基于个性化的重排
4.3. 本章小结
5. 难点及热点研究
5.1. 模型去偏
5.2. 冷启动问题
5.3. 生成式推荐
5.4. 本章小结
6. 项目实践
6.1. 赛题理解
6.2. Baseline
6.3. 数据分析
6.4. 多路召回
6.5. 特征工程
6.6. 排序模型
7. 面试经验
7.1. 机器学习相关
7.2. 推荐模型相关
7.3. 热门技术相关
7.4. 业务场景相关
7.5. HR及其他
8. Appendix
8.1. Word2vec
参考文献
FunRec 推荐系统
Table Of Contents
前言
安装
符号
1. 推荐系统概述
1.1. 推荐系统是什么？
1.2. 本书概览
2. 召回模型
2.1. 协同过滤
2.1.1. 基于用户的协同过滤
2.1.2. 基于物品的协同过滤
2.1.3. Swing 算法
2.1.4. 矩阵分解
2.1.5. 总结
2.2. 向量召回
2.2.1. I2I召回
2.2.2. U2I召回
2.2.3. 总结
2.3. 序列召回
2.3.1. 深化用户兴趣表示
2.3.2. 生成式召回方法
2.3.3. 总结
3. 精排模型
3.1. 记忆与泛化
3.2. 特征交叉
3.2.1. 二阶特征交叉
3.2.2. 高阶特征交叉
3.2.3. 总结
3.3. 序列建模
3.4. 多目标建模
3.4.1. 基础结构演进
3.4.2. 任务依赖建模
3.4.3. 多目标损失融合
3.4.4. 小结
3.5. 多场景建模
3.5.1. 多塔结构
3.5.2. 动态权重建模
3.5.3. 小结
4. 重排模型
4.1. 基于贪心的重排
4.2. 基于个性化的重排
4.3. 本章小结
5. 难点及热点研究
5.1. 模型去偏
5.2. 冷启动问题
5.3. 生成式推荐
5.4. 本章小结
6. 项目实践
6.1. 赛题理解
6.2. Baseline
6.3. 数据分析
6.4. 多路召回
6.5. 特征工程
6.6. 排序模型
7. 面试经验
7.1. 机器学习相关
7.2. 推荐模型相关
7.3. 热门技术相关
7.4. 业务场景相关
7.5. HR及其他
8. Appendix
8.1. Word2vec
参考文献
3.5.3.
小结
¶
Previous
3.5.2. 动态权重建模
Next
4. 重排模型