星辞树

从决策树到 LightGBM：推荐算法工程师的“树”海求生指南 前言 在推荐系统和数据挖掘的面试中，“树模型”永远是绕不开的一座大山。从最基础的决策树，到工业界的神兵利器 ...

推荐系统“冷启动”全链路破局：从流量调控到算法落地 一、 为什么冷启动这么难？（本质归因） 在讨论“怎么做”之前，我们先要明白“痛在哪里”。根据系统分析，冷启动的核心难点主...

从协同过滤到双塔召回，那些你必须跨过的“坑 💡 前言 在推荐系统的漏斗中，召回（Recall） 决定了推荐的天花板，而 精排（Ranking） 只是在逼近这个天花板。 很...

从硬共享到全空间建模：多任务推荐算法演进全解 一、 序幕：Share Bottom 的“大锅饭”时代 在多任务学习的早期，最直观的思路就是共享底层（Shared Botto...

揭秘阿里 DIN：当深度学习遇上“千物千面” 🚀 01. 传统模型的阿喀琉斯之踵：Base Model 的困境 在 DIN 出现之前，工业界的主流模型（如 Wide&De...

从 L1/L2 到 Dropout：深度解析正则化，为何推荐系统“只能练一次”？ 一、 为什么我们需要正则化？ 在训练模型时，我们经常面临一个核心矛盾：我们希望模型在训练集...

从底层数学原理手撕分类模型评估指标 (Accuracy, F1, ROC, AUC) 标签： #机器学习 #算法面试 #推荐系统 #数学原理 👨‍💻 前言：为什么准确率...

深度学习的灵魂：从“之”字形陷阱到万能近似定理 在神经网络中，激活函数不仅仅是一个简单的非线性映射，它是赋予模型“灵魂”的关键。 一、 为什么不能没有激活函数？ 如果没有激...

【推荐系统】万字长文，带你彻底搞懂 DeepFM 的“前世今生”与核心机理 在计算广告和推荐系统领域，CTR（点击率）预估永远是皇冠上的明珠。从早期的逻辑回归（LR），到因...

【推荐系统】从原理到落地：重读 Wide & Deep 与工程避坑指南 一、 灵魂拷问：为什么非要“左右互搏”？ Wide & Deep 的核心哲学，在于解决推荐系统两个看...

从“调音师”到“领航员”：深度学习优化器演进全图谱 前言 在推荐系统或大模型训练中，我们常说“模型是躯干，数据是血液，而优化器则是灵魂”。优化器的作用在于调整模型参数（权重...

深度拆解推荐系统核心：Embedding 的进化、训练与工业实战 在推荐系统领域，Embedding（嵌入） 是连接稀疏离散特征与深度神经网络的桥梁。从架构转型算法，理解 ...

深入浅出 Factorization Machines (FM) 算法详解 一、 起点：为什么 LR 不够用了？ 在推荐系统的早期，逻辑回归 (Logistic Regre...

重学逻辑回归 (LR) —— 从极大似然到 FTRL 工业实践 前言 在深度学习满天飞的今天，逻辑回归（Logistic Regression, LR）听起来像是一个上个世...

推荐系统——架构、算法与评估全链路粗略解析 一、 引言：一个“不可能完成”的任务 想象一下，你正在为抖音或淘宝设计推荐算法。 输入：1 个用户（User）。 候选集：1 亿...

重识 Hello World：从系统底层逻辑看高性能架构 一、 编译系统：构建过程中的“契约”与“交付” 我们在 IDE 中点击运行 hello.c 时，其实触发了四个关键...

从 In-context Learning 到 RLHF：大语言模型的范式跃迁 —— CS224n Lecture 10 深度笔记 自然语言处理（NLP）在过去几年经历了一...

机器阅读的进化史：从 CS224n Lecture 9 看 NLP 的范式转移 在人工智能的历史长河中，很少有像过去五年这样激动人心的时刻。当我们回望斯坦福 CS224n ...

CS224n 笔记：从统计机器翻译到 Transformer 的终极详解 (Lec 8) 标签：NLP Deep Learning Transformer CS224n M...

【CS224n笔记】从 Seq2Seq 到 Attention：拆解神经机器翻译的进化之路 在自然语言处理（NLP）领域，神经机器翻译（Neural Machine Tra...