摘要：
背景 用户冷启动一直是推荐系统中的一个难题，新用户（或非活跃用户）由于缺少行为数据，模型预估不准确。为了改善用户冷启动，腾讯提出了User Interest Enhancement (UIE)模型（论文中提到也可以用于item的冷启动）。基本思想是先对用户聚类，然后用user embedding检索 阅读全文
摘要：
大概看一下模型结构，其实就是在模型里加了一些gate结构，左边EPNet输入场景信息输出不同场景下特征权重，并用场景信息调整特征权重，右边的PPNet几乎就是一个LHUC结构 参考资料 千人千模 | PEPNet: 2023快手多任务多场景建模 阅读全文
摘要：
模型结构 模型主要包含场景抽取层和任务抽取层（上图A）： 场景抽取层 场景抽取层主要包括了场景共享专家（Scenario-shared expert）模块、当前场景特有专家（Scenario-specific expert）模块以及场景感知注意力网络，通过这三部分的信息抽取，最终形成了场景层次的信息 阅读全文
摘要：
待整理 参考资料 蒸馏技术在推荐模型中的应用 知识蒸馏在推荐系统的应用 阅读全文
摘要：
1. 常用的损失函数 一般使用inbatch softmax，主要优点是方便，缺点是容易遭造成对热门item的打压，可以做纠偏，参考youtube论文《Sampling-Bias-Corrected Neural Modeling for Large Corpus Item Recommendati 阅读全文
摘要：
TensorFlow简介之负采样 Candidate Sampling简介 求通俗易懂解释下nce loss？ 阅读全文
摘要：
https://zhuanlan.zhihu.com/p/441823563 https://zhuanlan.zhihu.com/p/650410731 阅读全文
摘要：
背景 这是一篇阿里发表的permutation-wise优化的重排论文，阿里在这篇论文里提出了PRS重排框架，其由两个步骤组成： 1. PMatch：采用beam search算法生成候选序列 2. PRank：设计了permutation-wise model DPWN 计算 permutatio 阅读全文
摘要：
和DLCM做法类似，都是使用序列模型对rank后的结构做rerank，不同点是PRM使用了transform encoder来建模，并且使用了用户预训练向量和位置向量 最后一层使用了softmax来计算a56爆大奖在线娱乐item被点击的概率（论文提到使用click作为label，也就是所存在多个label为1的情 阅读全文
摘要：
论文名：Learning a Deep Listwise Context Model for Ranking Refinement 背景 在搜索场景下，给定一个查询q，q和d特征的向量a56爆大奖在线娱乐x(q,d)，rank阶段的loss可以a56爆大奖在线娱乐为： 其中：Q是query的集合，D是doc集合，f是rank模型函 阅读全文