escapiase

摘自 阿里飞猪个性化搜索排序探索实践 https://mp.weixin.qq.com/s/KrTlI6jGc5qQvCkdqqMJWQ 原文：https://dl.acm...

Link：https://arxiv.org/abs/1804.05936 DLCM中，通过建模精排生成的Top-N列表中物品间的互相影响，来优化搜索结果。 基于的moti...

miRNN 在淘宝搜索中，每个商品是否会购买，会受到周围展示的商品的影响。例如周围同类目商品比当前商品显著贵，那么当前商品购买的概率可能就比较高。 miRNN中，作者使用R...

MMR: Maximal Marginal Relevance 最近集中整理一些和重排序相关的论文内容。 MMR 原文链接：https://www.cs.cmu.edu/~...

PRM 论文阅读 原文：https://arxiv.org/pdf/1904.06813.pdf Information notation： 一般来说，LTR的loss f...

Neural Re-ranking in Multi-stage Recommender Systems: A Review 链接：https://arxiv.org/pd...

背景 本周主要阅读了DataFun中的一篇分享，讲到《基于观测数据的因果推断技术》。这里整理了其中，使用观测数据进行因果纠偏的方法如下。 方法一 基于RCT数据和观测性样本...

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

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

1 引言 1.1 什么是多场景 不同用户群体（如新老用户）、APP不同频道模块、不同客户端等，可以看作不同场景。不同场景具有用户差异，即使是同一用户，在不同场景下的心智也不...

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...

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...

《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。...

业务驱动的推荐系统 方法与实践 第3-7章 阅读笔记，记录了第一章到第六章的内容，使用xmind来记录。...

一、定义 组合优化问题 (Combinatorial optimization problem，COP) 是一类在离散状态下求极值的最优化问题，其数学模型如下所示： 二、应...

DCMT: A Direct Entire-Space Causal Multi-Task Framework for Post-Click Conversion Esti...

由于反事实的缺失及选择偏差，估计ITE是因果推断中具有挑战性的问题。已存在的ITE估计方法主要聚焦于平衡空白组和实验组的分布，而忽略了局部相似信息，而该相似信息在ITE估计...

作者把causal inference视作multitask learning的问题，并通过dropout的方式来进行正则化，减少selection bias带来的影响。这...

Causual Inference in DNN(2)Estimating Individual Treatment Effect Generalization Bound...