摘要：
1. MSE（均方误差损失） 优点： 1. 收敛快 缺点： 1. 假设了样本服从正态分布，如果训练样本label不服从正态分布，则MSE并非最大似然估计 2. 对异常点很敏感 2. MAE（平均绝对误差损失） 优点：不容易受异常值影响 缺点：收敛速度慢，拟合能力弱 3. Huber Loss 结合了 阅读全文
摘要：
双塔模型介绍 由于粗排的候选数目比精排多很多，粗排无法做的和精排一样复杂。现在业内比较通用的方案是采用双塔模型，左边塔建模user embedding，右边塔建模item embedding，由于用户的行为经常发生变化，user tower需要经常更新，但是item状态很少发生变化，可以离线算好所有 阅读全文
摘要：
张俊林：从对比学习视角，重新审视推荐系统的召回粗排模型 小红书高时效推荐系统背后的技术升级 https://github.com/Doragd/Algorithm-Practice-in-Industry 1.9万亿参数量，快手落地业界首个万亿参数推荐精排模型 https://zhuanlan.zh 阅读全文
摘要：
https://zhuanlan.zhihu.com/p/608636233 待整理 阅读全文
摘要：
https://zhuanlan.zhihu.com/p/560657191 待整理 阅读全文
摘要：
https://zhuanlan.zhihu.com/p/547087040 待整理 阅读全文
摘要：
背景 作者通过观察发现，用户的行为序列由多个session组成，session是根据时间划分出来的用户行为（比如说可以根据用户浏览时间划分session，若用户30分钟没有浏览记录时，下一次浏览即为一个新的session），观察发现a56爆大奖在线娱乐session内部用户行为是高度相似(同质)的，不同sessio 阅读全文
摘要：
背景 DIEN 通过引入GRU结构来建模用户的兴趣进化趋势 方法 整体结构 DIEN和常用模型的差异点在序列建模的部分，该部分结构由兴趣提取层和兴趣进化层两个部分组成： 兴趣提取层：从用户的行为序列中提取用户的兴趣序列 兴趣进化层：建模和target item相关的兴趣进化过程 兴趣提取层 兴趣进化 阅读全文