我的灯还亮着的博客

阿里这篇文章，说白了就是如何将用户的行为序列抽象出一个特征，这里我称之为行为emb，往常对用户的一组行为序列，都是平等对待，同权pooling，或者加时间衰减。这篇文章好就好在他深刻的分析了用户行为意图，即用户的每个行为和候选商品的相关性是不同的，以此为契机，利用一个计算相关性的模块（后来也叫attention），对序列行为加权pooling，得到想要的embedding。网上对DIN源码分享...

同步更新于知乎：https://zhuanlan.zhihu.com/p/107889958最近在做整理，偶尔看到公众号的一篇关于随机抽样的分享，这个算法面试中经常会问到，特此总结一下。网上关于这块解释并不清晰，主要参考如下，个人感觉写的比他更通俗易懂，哈哈。https://zhuanlan.zhihu.com/p/107793995解决什么问题主要用于解决大数据流中的随机抽样问题，即：...

最近碎片时间看七个世界，一个星球，不亏是9.9分的纪录片啊，敬畏自然，敬畏生命。真想以后有时间多出去走走，不过还是要有眼前的苟且…… （写于凌晨00:26，哭）如果图挂了，请移步知乎：https://zhuanlan.zhihu.com/p/90783845参考博客和文献https://zhuanlan.zhihu.com/p/64756917https://zhuanlan.zhihu.com...

本人知乎地址：https://zhuanlan.zhihu.com/p/83382019paper：Billion-scale Commodity Embedding for E-commerce Recommendation in Alibabahttps://arxiv.org/pdf/1803.02349.pdf花了一周时间，零零碎碎终于把阿里这篇文章研究了一下，也看了很多知乎大佬的讨...

之前看过的一本《pratical recommender systems》的读书笔记，这本书讲了很多网上看不到的，很实际的工程方面的考虑，规则为主，算法为辅。现在网上铺天盖地都是高大上的排序模型，这些都是大公司打出知名度的东西，实际中有几个用到的？推荐成立之初就是规则，现在的算法工程师大多都太飘了，满口的算法模型，各种模型架构的优化，忘记了最初对业务规则的理解，脚踏实地，一直是老板对我说过的最多的...

Real-time Personalization using Embeddings for Search Ranking at Airbnb前一段看了这篇文章，由于公司也在用w2v做相似商品推荐，很有感触，发现之前用的数据集简直不忍直视，在此总结了一下个人对这篇文章的看法，分享出来，有不足之处还请指教和讨论。主要参考了两位大佬王喆和吴海波的知乎，少绕了很多弯路，深表感谢。文章用的模型...

Deep Neural Networks for YouTube Recommendations 2016  继项亮书后值得反复品味的推荐入门神文。首先奉上两位大佬的博客，也是主要参考的地方。其实这篇文章已经看过两三次了，一些地方总是看不懂，直到这两天王喆大佬在某乎提供了一个大家分享经验的平台后，很多地方都理解了，一些至今仍在工程中应用的东西，原来都能在这篇文章中找到。王喆沙韬伟其...

冷启动一直是各个公司的命门，上周调研了各相似业务公司的补全或者好的trick，总结如下，欢迎各位好友补充评论，可以深入交流有关推荐系统的各个方面。 新用户的行为很有限，尽量通过有限的信息，来猜测用户的兴趣+热门推荐补全，一方面是为了解决冷启动问题，另一方面是为了补全或提高召回集的多样性。另外，还应该根据运营，产品的角度确定一些人为的规则，比如“近期的一些大型活动”，“主推商品”可以补全...

近期在contented based召回模块寻找相似商品时牵扯到大量计算，内存和耗时都是不可接受的，于是查找了多篇文章，找到了spark的LSH方法，示例代码写的很简单，这里有一篇uber的实践，写得很详细，特转载，仅供个人查看，如有不妥，请联系我。https://cloud.tencent.com/developer/article/1035600在这篇文章中：为什么使用LSH？LSH 在...

近期公司在CTR模型的基础上准备重写CVR模型，目前处于调研阶段，读了阿里的处理方法，特意记录下来，温故而知新。下面按照个人理解介绍这篇文章内容，主要思想借鉴一篇博客，文字寻源参考原paper<Entire Space Multi-Task Model: An Effective Approach for Estimating Post-Click Conversion Rate>...

写在前面：在CTR预估中，用户发生点击行为这类正样本显著少于负样本，那么用ROC来评价通常结果非常乐观，在网上调研了两天，对于不平衡问题，有多重评价方法， 尤其是PR曲线最常用，无论是竞赛还是实际场景中，这篇文章总结的非常全面，转载到这。机器学习之类别不平衡问题 (1) —— 各种评估指标机器学习之类别不平衡问题 (2) —— ROC和PR曲线机器学习之类别不平衡问题 (3) —— 采样方...

各大厂CTR预估模型总结导语笔者对各大厂商CTR预估模型的优缺点进行对比，并结合自身的使用和理解，梳理出一条CTR预估模型的发展脉络，希望帮助到有需要的同学。0.  提纲1. 背景2. LR 海量高纬离散特征 (广点通精排)3. GBDT 少量低纬连续特征 (Yahoo & Bing)4. GBDT+LR (FaceBook)5. FM+DNN (...

本文是个人对分析商品间关联关系的一篇总结。不同于找相似商品，关联关系想要找到商品间有潜在购买关系，比如啤酒尿布，香烟和打火机，炒菜锅和炒勺等等。首先从Apriori开始讲起：关联规则简述此处大部分是对一篇英文博客的理解，原地址找不到了…Association rules analysis is a technique to uncover how items are assoc...

原作者: 红色石头|来自: AI有道梯度下降算法的公式非常简单，”沿着梯度的反方向（坡度最陡）“是我们日常经验得到的，其本质的原因到底是什么呢？为什么局部下降最快的方向就是梯度的负方向呢？也许很多朋友还不太清楚。没关系，接下来...