论文阅读

PRM 论文阅读 原文：https://arxiv.org/pdf/1904.06813.pdf Information notation： 一般来说，LTR的loss function如下 作者指出

Improving Deep Learning For Airbnb Search 说明：Airbnb KDD 2020 链接：https://arxiv.org/pdf/2002.05515.pdf

Improving Deep Learning For Airbnb Search 说明：Airbnb KDD 2020 链接：https://arxiv.org/pdf/2002.05515.pdf

一，思维导图 《业务驱动的推荐系统 方法与实践》 全书思维导图 第9章重排+第10章决策智能 思维导图 二，技术介绍 2.1 贝叶斯优化 2.2 强化学习重排序

一，思维导图 二，技术介绍 2.1 主流排序模块框架 2.2 lightGBM 单边梯度采样算法 2.3 lightGBM 互斥捆绑算法 2.4 精排 知识蒸馏 到粗排 2.5 FM loss fun

第八章 业务驱动视角下的召回技术（下） 一，思维导图 二，技术介绍 2.1 IVFPQ 算法 PQ算法： 由于码表中的类中心是有限的，因此可以进行二进制码表编码。将内容x用二进制串来表示。 实践中，同

《业务驱动的推荐系统》，书本第八章：业务驱动视角下的召回技术。这里记录了本章的思维导图和用到的技术简介。

本文为《A Survey on Causal Inference》的简要概述第一部分，大多是名词定义，这部分主要摘录自https://zhuanlan.zhihu.com/p/554682071

提升观看时长不仅取决于用户和item的匹配，也与视频本身时长相关。如果忽略视频本身时长的影响，模型容易推出更长时长的视频。因此，在这种不平衡的数据上训得的模型，就面临bias放大的风险，导致进入到不断

alibaba WSDM'22 多场景多任务学习框架M2M。Leaving No One Behind: A Multi-Scenario Multi-Task Meta Learning Appro

Revisit Recommender System in the Permutation Prospective基于上下文感知的重排序算法

APG: Adaptive Parameter Generation Network for Click-Through Rate Prediction

Page-level Optimization of e-Commerce Item Recommendations

# 美团多任务模型 AITM论文阅读 ## 一，背景 原文链接：[ATIM](https://arxiv.org/abs/2105.08489) 文章简介：美团2021kdd投稿文章 AITM（自适应