- 博客(6)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 推荐系统策略灵活性的设计
一套好的配置化的方案是极其必要的，而该方案主要应该针对每一层去抽象实现每一层的变量，这些变更可以进行配置化变更，从而可以极大的提升策略迭代和策略变更的效率。2.1 召回层对应粒度就是不同的召回队列，含向量召回，kv召回（热点队列，个性化队列）等等，另外有一些定向用户群体的场景，比如基于人群包等等进行召回。1 ABTesting：不同分层的ab 测试，如召回层，过滤层，粗排层（不同模型），精排层（不同模型），重排层，规则层等做abtest，每一层支持正交实验。2 每一层会有定制化的策略。
2024-05-22 16:14:43
319
原创 向量检索引擎架构
有个比较大的弊端，如果运行在gpu上，存储海量的向量数据和基础标量数据会占据较大的空间。从架构上看，本质上类似于elasticsearch + faiss 的组合，es 运行在cpu（通过倒排索引加速filter，极佳设计），faiss运行在gpu（计算复杂，追求性能）2 高过滤比：标量作为过滤条件，有较高的过滤比（大于99%），过滤后候选集大（以外卖商品为例，符合LBS过滤的商品向量候选集仍然超过百万）。1 支持向量+标量混合检索：在向量检索的基础上，支持复杂的标量过滤条件。
2024-05-16 17:32:49
559
原创 推荐系统稳定性建设
通常推荐系统会分为召回->过滤->粗排->精排->重排->规则排序等。对于大型推荐系统，每个环节都是一个子系统，那么每个子系统的性能和稳定性都将影响到整个推荐系统的稳定性。另外，对于保证高可用，另一个角度是提升系统的吞吐量。对于golang 系统，一方面是架构设计层面要合理，另外也可以通过重点分析CPU 和 内存分配等来进行优化。如红框处消耗CPU比例很高，考虑做性能优化或者下沉到下游服务（考虑模块职责归属）。2，3，4，5 网上资料较多，这里略去不表，应该作为框架的基础能力。
2024-01-24 17:54:32
638
原创 实验平台设计
背景随着沪江业务的高速发展，越来越多的产品运营开始关注数据驱动的精细化运营方法，期望通过精细化运营在一片红海中持续获得确定的用户增长、订单转化与收益，而 A/B 测试就是一种有效的精细化运营手段。# 设计思路要认识实验平台，首先要了解实验两个要素：流量：流量即用户的访问，也是实验的样本来源。参数：或者称作实验变量，一个实验可能有多种策略或者模型需要在线上进行比较，这些策略或者模...
2018-08-14 10:49:03
3764
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人