首页 > TAG信息列表 > 精排
牛亚男：基于多Domain多任务学习框架和Transformer，搭建快精排模型
导读： 本文主要介绍了快手的精排模型实践，包括快手的推荐系统，以及结合快手业务展开的各种模型实战和探索，全文围绕以下几大方面展开： 快手推荐系统 CTR模型——PPNet 多domain多任务学习框架 短期行为序列建模 长期行为序列建模 千亿特征，万亿参数模型 总结和展望 -- 01 快手推荐系推荐系统中为什么要有召回、粗排、精排
推荐系统中的召回和排序 在推荐系统中一般会分为召回和排序两个阶段： 召回 召回的目标是从千万级甚至亿级的候选中召回几千个item，召回一般由多路组成，每一路会有不同的侧重点（优化目标），如在广告中成熟期广告和冷启动广告分为两路召回（如果广告比较多，还可能分冷热广告分别召回）。在推荐系快手推荐精排模型的发展史
1、参数个性化 CTR 模型 - PPNet 2019 年之前，快手 App 主要以双列的瀑布流玩法为主，用户同视频的交互与点击，观看双阶段来区分。在这种形式下， CTR 预估模型变得尤为关键，因为它将直接决定用户是否愿意点击展示给他们的视频。彼时业界主流的推荐模型还是以 DNN、DeepFM 等简多业务建模在美团搜索排序中的实践
美团搜索排序是一个典型的多业务混合排序建模问题，这种多业务场景搜索存在很多挑战。本文聚焦到店商家多业务场景的多业务排序建模优化工作，希望能对从事相关工作的同学有帮助。 引言 美团的使命是“帮大家吃得更好，生活更好”，美团 App 承载的业务包括外卖、到店餐饮、买菜、优选阿里粗排技术体系与最新进展
导读：在搜索、推荐、广告等需要进行大规模排序的场景，级联排序架构得到了非常广泛的应用。以阿里的在线广告系统为例，按顺序一般包含召回、粗排、精排、重排等模块。粗排在召回和精排之间，一般需要从上万个广告集合中选择出几百个符合后链路目标的候选广告，并送给后面的精排模块。粗排有粗排
导读 工业界的推荐系统通常包括召回、粗排、精排以及重排四个阶段，如图一所示，每个阶段都像是一个漏斗，从海量的物品集合中过滤出用户最有可能感兴趣的物品。其中粗排模型发挥的主要作用是统一计算和过滤召回结果，在尽量保证推荐准确性的前提下减轻精排模型的计算压力。本文主要介绍NLP自然语言处理系列- week7- 检索模型（精排）（8）
NLP自然语言处理系列- week7- 检索模型（精排）（8） 检索模型（精排）排序模块步骤： 处理数据 ⼈⼯特征 深度匹配 排序 整合 目录 数据预处理 ⼈⼯特征 数据预处理 微众银行提供了微众银行智能客服问句匹配的语料支持，针对中文的客服语料，进行问句意图匹配，给定两个语句，要求判定两