推荐系统重排：MMR 多样性算法

已于 2025-05-03 13:02:50 修改
阅读量1.5k 收藏 13
点赞数 33
CC 4.0 BY-SA版权
分类专栏： 推荐系统 文章标签： 算法 MMR 多样性算法 重排 推荐系统
于 2025-01-05 15:11:41 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_22866291/article/details/144945793

和谐共存：相关性与多样性在MMR中共舞

推荐系统【多样性算法】系列文章（置顶）

1.推荐系统重排：MMR 多样性算法
2.推荐系统重排：DPP 多样性算法

引言

在信息检索和推荐系统中，提供既与用户查询高度相关的文档或项目，同时确保结果的多样性是一个关键挑战。最大边际相关性（Maximum Marginal Relevance, MMR）是一种旨在解决这一问题的算法。本文将深入探讨MMR的工作原理、公式解析、实现细节，并通过具体案例说明其应用价值。

了解本专栏 订阅专栏 解锁全文 超级会员免费看
推荐系统重排：DPP 多样性算法
进一步有进一步的欢喜~
01-05 2037
行列式点过程（DPP）作为一种强大的数学工具，已经在多个领域展现了其独特的优势。通过不断的技术创新和优化，DPP不仅能够有效地解决实际问题，还能为未来的个性化推荐和服务提供更多的可能性。希望本文能为广大读者提供一个全面了解DPP的机会，并激发更多关于这一领域的研究和探索。
推荐算法架构4：重排
谢杨易的博客
02-23 8406
1 总体架构 精排打分完成后，就到了重排阶段，之后可能还会有混排。召回、精排、重排三个模块中，重排离最终的用户展现最近，所以也十分关键。重排的技术点也十分多，总结下来，个人认为重排主要是为了解决三大方面的问题：用户体验、算法效率、流量调控。下图是重排总体架构 2 用户体验 重排模块是推荐系统最后一个模块（可能还会有混排），离用户最近。作为最后一层兜底，用户体验十分重要。主要包括打散、多样性等内容。曝光过滤有时候也会放在重排中，但本质上完全可以在召回链路，对已充分曝光的短视频，或者刚刚已经购买过
MMR（最大边界相关算法）
Forlogenの解忧杂货铺
10-09 6871
最大边界相关算法 用于计算查询文本和搜索文档之间的相似度，然后对文档进行排序。算法公式为MMR(Q,C,R)=Argmax⁡di,in,ck[λsim(Q,di)−(a−λ)max⁡dj,k(sim(di,dj))]\text{MMR}(Q,C,R) = Arg \max_{d_{i},in,c}^k [\lambda sim(Q,d_{i}) - (a- \lambda) \max_{d_{j}...
MMR: 控制推荐多样性算法
眼罩的程序员笔记
07-03 2536
你有考虑过推荐系统的多样性层面是怎么设计的吗？ 推荐系统中精排模块是对各个item进行精准预估，而在之后的重排阶段则会整体考虑推荐的N条内容间的关系，给出listwise粒度上最优的推荐序列。 多样性是重排阶段的一个排序策略，已经有文献指出多样性和准确性并非完全矛盾。因为，用户没有点击并不一定是 ctr 预估不准确，而是用户已经点击了类似的东西，这才导致了下一条内容没有点击。所以存在多样性与精确性同时提升的空间。...
推荐系统混排 - MMR多样性算法
最新发布
这个人很懒，没有写简介
01-05 767
是一种常用的信息检索与文档排序算法，旨在优化检索结果的多样性和相关性。MMR 算法通过平衡文档的相关性（relevance）和文档之间的多样性（diversity），从而提高了最终返回文档的质量，避免了检索结果中的冗余信息。这个方法广泛应用于信息检索、推荐系统和自然语言处理等领域。关注多样性是为了提升用户体验，避免推荐结果的冗余，增加内容的探索性和发现性，帮助用户接触更多不同类型的内容。
深度学习 - 52.推荐场景的多样性与 MMR [Maximal Marginal Relevance] 简介与 Python 实现
BITDDD小栈
05-31 2675
MMR 最大边界相关算法与多样性简介与实现。
MMR重排（相似度通过编辑距离和重复度计算）
王小二的博客
06-27 407
MMR重排（相似度通过编辑距离和重复度计算）
摘要抽取算法——最大边界相关算法MMR(Maximal Marginal Relevance) 实践
sjyttkl的专栏
06-22 1924
NLP(自然语言处理)领域一个特别重要的任务叫做——文本摘要自动生成。此任务的主要目的是快速的抽取出一篇文章的主要内容，这样读者就能够通过最少的文字，了解到文章最要想表达的内容。由于抽取出来的摘要表达出了文章最主要的含义，所以在做长文本分类任务时，我们可以采用文本摘要算法将长文本的摘要抽取出来，在采用短文本分类模型去做文本分类，有时会起到出奇的好效果。 文本摘要自动生成算法 文本摘要抽取算法主要分为两大类： 一种是生成式：生成式一般采用的是监督式学习算法，最常见的就是sequence2sequence
推荐系统:最大边缘相关多样性算法(MMR)(python实现)
Mercedes_wwz的博客
10-12 1849
MMR论文 Q：用户 R：待排序商品集合 S：已排序商品集合 D：商品 Maximal Marginal Relevance(MMR)主要通过结合用户对于商品的喜爱程度与商品间的相似度加权求和，从而对商品进行重排精排 class MMRModel(object): # def __init__(self,item_score_dict,similarity_matrix,lambda_constant,topN): # self.item_score_dict = item_s
推荐系统应该如何保障推荐的多样性？
m0_37586850的博客
09-21 805
首先，推荐系统的多样性并不应该是一个推荐系统追求的终极目标。多样性，是手段，不是目标！多样性，是手段，不是目标！多样性，是手段，不是目标！重要的事情重复三遍，为什么不能作...
推荐多样性重排算法之MMR
Oner.wv的专栏
02-06 5662
“本文介绍了推荐系统中的多样性重排序算法Maximal Marginal Relevance (a.k.a MMR)，并给出了该算法的python实现代码。”文章来源：icebear...
最大边缘相关多样性算法MMR的学习和实现
www13998641557hhu的博客
03-28 1277
Maximal Marginal Relevance (MMR) 算法可以减少排序结果的冗余，同时又能保证结果的相关性。最早应用于文本摘要提取和信息检索等领域。在推荐场景下体现在，给用户推荐相关商品的同时，保证推荐结果的多样性，即排序结果存在着相关性与多样性的权衡。
MMR算法学习
Silience_Probe的博客
06-15 1万+
MMRMMR的全称为Maximal Marginal Relevance ，中文名字为最大边界相关法或者最大边缘相关。在MMR的公式是这样的，截图来自http://www.cnblogs.com/little-horse/p/7191287.html由于我们算的是自动摘要，所以主要看下面的公式。左边的score计算的是句子的重要性分值，右边的计算的是句子与所有已经被选择成为摘要的句子之间的相似度最...
摘要抽取算法——最大边界相关算法MMR(Maximal Marginal Relevance)
lzay的博客
08-09 1713
用途 快速的抽取出一篇文章的主要内容，这样读者就能够通过最少的文字，了解到文章最要想表达的内容 方法 一种是生成式：生成式一般采用的是监督式学习算法，最常见的就是seq2seq模型，需要大量的训练数据。 生成式的优点是模型可以学会自己总结文章的内容，而它的缺点是生成的摘要可能会出现语句不通顺的情况。 另一种是抽取式：常见的算法是 textrank，MMR(Maximal Marginal Relevance)，当然也可以采用深度学习算法。 抽取式指的摘要是从文章中抽出一些重要的句子，代表整篇文章的内容。 抽
MMR 排序多样化重排序算法
weixin_42357472的博客
07-07 991
参考：https://zhuanlan.zhihu.com/p/102285855 https://blog.youkuaiyun.com/Mercedes_wwz/article/details/109028124 sim1是query与doc的相关权重；sim2是docs之间的相关权重 或
信息流推荐多样性
chunyun0716的专栏
12-03 924
信息流推荐多样性 一、问题现状 信息流产品中一个常见的问题是多样性越来越差，造成这种问题的原因在于机器学习算法本身。下面通过一副系统循环图来介绍多样性差的问题。 资讯库随机推荐文章，由于是按照全库比例采样，娱乐占比较大，随机推荐给用户的娱乐资讯偏多。 用户点击娱乐的概率变大，算法根据用户的反馈，会更加倾向于给用户推荐娱乐类的新闻。 在选资讯入库时，由于娱乐文章的曝光大，ctr置信度高，算法会...
自动摘要生成(一）：最大边界相关算法(MMR)
热门推荐
ZJRN1027的博客
07-25 1万+
分享一下前一段时间公司需要做的文章自动摘要。 一.摘要方法 目前来说，文章摘要自动生成主要分为两种方法：生成式和抽取式。 生成式采用sequence2sequence+Attention的模型，采用Encoder-Decoder的结构，具体方法可以阅读这篇论文：https://arxiv.org/pdf/1509.00685.pdf 抽取式则是通过关键词筛选等方法，从原文中截取句子组成摘要...
TextRank方法的优化——MMR(最大边界相关算法)
weixin_42318554的博客
05-02 1505
文章目录TextRank方法的优化——MMR(最大边界相关算法)一、文件目录二、TextRank(main.py)实验结果 TextRank方法的优化——MMR(最大边界相关算法) TextRank的优点： 在于不需要标注数据，不需要进行预训练，效果尚可。但是缺点也很明显。从其核心思想可以看出来，它挑选摘要句时会侧重于挑选那些与很多句子相似度高的句子。因此，最后会导致挑选的很多句子冗余度比较高，从而遗漏一些带有其他主题信息却“势单力薄“的句子。 MMR算法： 又叫最大边界相关算法，此算法在设计之初是用来计
推荐系统的多样性总结
weiyaner的博客
04-02 5486
文章目录1 推荐系统为何需要多样性2 多样性类型3 多样性评价指标4 如何改进多样性召回阶段——多路融合排序阶段——多特征建模重排阶段不同用户的多样性需求分析 推荐系统的多样性反应了一个推荐列表中内容不相似的程度。通过推荐多样性更高的内容，既能够给用户更多的机会去发现新内容，也能够让推荐系统更容易发现用户潜在的兴趣。 需要注意的是，精确性和多样性是一对Trade Off，提升多样性的代价往往以牺牲准确性为代价，因此如何平衡准确性和多样性是一个需要权衡的地方，或者从另一个角度讲如何在短期目标和长期目标间做平衡
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

进一步有进一步的欢喜

您的鼓励将是我创作的最大动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值