用户10079397467

Bias在推荐系统中很常见，翻译为「偏差」，定义为学习算法的期望预测与真实结果的偏离程度。推荐系统本质上是反馈循环，那么在反馈循环的链路中每个结点都会导致不同类型的偏差。本文介绍推荐系统的Bias。

主动学习是通过模型自己选择对模型贡献最大的样本作为训练语料，以达到有效地降低标注成本的同时迅速提高模型的识别能力。本文介绍几种基于序列标注模型的主动学习实践。

本文从抖音集团内部画质评估体系的建设历程着笔，主要分享了画质评测对于业务的重要性、主要应用场景和内部产品的一些典型实践案例。

JSON数据的结构特点使得它不利于LLM流式输出的实时处理，为了解决这个问题，我们设计了一个轻量级的工作流框架 ，它专注于解决”结构化数据（JSON格式）的流式输出“。

抖音依靠自身推荐系统为用户推送可能感兴趣的视频内容，其中兴趣圈层是推荐的重要能力，通过理解核心用户的偏好特征，判断两者偏好的相似性，从而构建同类用户的兴趣圈层，实现精准推荐。

引言 推荐系统本身很成熟，但是在落地过程当中，仍然会有很多困难。通过经历几个大型推荐系统项目，总结一些经验，帮助大家避坑。 01推荐系统的技术架构 推荐系统模块一般如上图所示，先通过召回模块，将候选集

开启掘金成长之旅！这是我参与「掘金日新计划 · 2 月更文挑战」的第 14 天，点击查看活动详情” 0.前言召回排序流程策略算法简介 推荐可分为以下四个流程，分别是召回、粗排、精排以及重排： 召回是源

余弦相似度介绍 余弦相似度是利用两个向量之间的夹角的余弦值来衡量两个向量之间的相似度，这个值的范围在-1到1之间。 余弦相似度越接近1，表示两个向量之间的夹角越小，即越相似；而越接近-1，表示两个向量

1. 推荐系统 推荐系统相当于信息“过滤器”，很好地解决了信息过载的问题，从而帮助人们更好地作出决策。它的主要原理是根据用户过去的行为（比如购买、评分、点击等）来建立用户兴趣模型，之后利用一定的推荐算法，把用户最可能感兴趣的内容推荐给用户，如下图： 2. 数据 2.3 用户-内…