首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
escapiase
掘友等级
获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
0
文章 0
沸点 0
赞
0
返回
|
搜索文章
最新
热门
多场景建模 综述
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同,页面呈现的形式和内容,进
业务驱动的推荐系统 方法与实践 第9章 排序技术 (粗排+精排)
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
业务驱动的推荐系统 方法与实践 第8章 召回技术(下)
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 方法与实践 第8章 召回技术(上)
《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
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。
组合优化问题基础介绍
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、应用领域 国防 交通 产品制造
DCMT: A Direct Entire-Space Causal Multi-Task Framework for cvr estimation(2)
DCMT: A Direct Entire-Space Causal Multi-Task Framework for Post-Click Conversion Estimation 简述 摘要 引
Representation learning for treatment effect estimation from observational data
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估计中能提供有意义的限制。在本篇
Deep Counterfactual Networks with Propensity-Dropout
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。这种正则化通过估计每一个样本的
Estimating Individual Treatment Effect Generalization Bounds and Algorithms
Causual Inference in DNN(2)Estimating Individual Treatment Effect Generalization Bounds and Algorith
下一页
个人成就
文章被点赞
2
文章被阅读
13,093
掘力值
379
关注了
0
关注者
1
收藏集
0
关注标签
13
加入于
2022-12-10