知乎的个性推荐介绍文档.PDFVIP

下载本文档

48
0
约5.42千字
约 10页
2019-04-05 发布于天津
举报
版权申诉

知乎的个性推荐介绍文档.PDF

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

机器学习在知乎 Feed 流推荐系统中的应⽤知乎⾸⻚业务总监张瑞知乎信息流推荐系统简介⽔晶球：基于多策略融合的多源内容推荐系统知乎信息流推荐系统演进⽤户使⽤时渗透率⻓占⽐ 88% 76% 强化学习在推荐系统中的应⽤ DNN 中引⼊ Attention 机制/LSTM 模型，2018.07 基于 DNN 的引⼊ DNN 召回及排序后⽤户 Feed 流使⽤时⻓和阅读量的变化 CTR 预估模型，2018.02 召回侧引⼊ DNN 模型，基于⽤户实时⾏为 2017.10 基于 GBDT的的关系度计算基于关注关系基于 EdgeRank 排序系统，2016.10 的 Timeline 的排序系统，2016.01 引⼊ GBDT 后⽤户 Feed 流使⽤时⻓的变化基于深度学习的推荐召回 - v1.0 - 训练样本采集：从⽤户⾏为序列中收集⽤户在阅读某 Feed 时候的 - 训练过程中⽣成⼀批 Feed Embedding Profile(历史/实时) + Context(时间窗⼝内的搜索词/阅读历史) - 在线使⽤ User Representation Network ⽣成的 User Embedding ，从 - 对 Feed 按频次过滤，滤掉在训练集中出现次数⼩于⼀定阈值的 Feed Embedding 中检索最匹配的结果召回 Feed - 线上使⽤ spark streaming, batch update 新产⽣的 Feed 的 Embedding - 将⽤户的 Profile 、历史⾏为表示成⼀组 128 维向量及既有内容的 Embedding - 使⽤ Faiss 作为向量化 ANN 召回的 Backend 基于深度学习的推荐召回 - v2.0