推荐算法
召回、排序、生成式推荐核心技术的深入探讨
最新文章
AutoInt：用自注意力机制自动学习特征交互
2026-06-05
AutoInt 通过多头自注意力机制显式建模特征间的交互,用残差连接保留原始信息、用堆叠层数控制交互阶数,在自动学习高阶特征组合的同时,借注意力权重提供可解释性。。
深度模型Wide&Deep模型
2023/9/28
将协同过滤和深度学习结合，捕捉用户和物品的隐式联系和高阶特征。
FM因子分解
2023/9/23
将用户和物品的特征进行线性组合，并引入二次项来捕捉特征之间的交互关系
推荐系统的矩阵分解
2023/9/24
将用户行为矩阵分解为两个矩阵的乘积，通过用户向量和物品向量的内积来表示用户对物品的偏好
协调过滤算法
2023/9/25
基于用户的协同过滤算法根据用户对物品的偏好，计算用户与其他用户的相似度，根据用户的相似度，推荐与用户兴趣相似的物品。基于物品的协同过滤算法根据物品之间的相似度，推荐与用户之前喜欢的物品相似的物品
深度模型Wide&Deep模型
2023/9/28
将协同过滤和深度学习结合，捕捉用户和物品的隐式联系和高阶特征
多任务模型MMoE
2020/12/13
通过门控网络来学习多个专家模型的权重，提高模型的多任务学习能力
CVR预估模型ESMM
2020/08/24
通过多任务学习，同时学习ctr和cvr，在完整样本空间上进行训练，避免了传统CVR模型经常遭遇的样本选择偏差和训练数据稀疏的问题