YouTubeDNN

推荐系统的向量检索工具: Annoy & Faiss

在推荐系统的召回阶段，如YoutubeDNN和DSSM双塔模型，向量的最邻近检索是必不可少的一步。
我就算饿死也不做程序员·2024-02-08 10:37

【推荐系统】YoutubeDNN召回

主要是按照以下3篇介绍+评论的脉络来整理（讲的真的超级好！），再加上我自己在实际运用过程中产生的问题。其实模型大概内容都能看懂。有困扰的地方主要在于userembedding和videoembedding是如何生成的？以及本文将推荐问题转为多分类问题，那么这个多分类指的是什么？train和serve的不同之处？重读Youtube深度学习推荐系统论文，字字珠玑，惊为神文-王喆的文章-知乎YouTub
sdbhewfoqi·2024-02-06 19:55

【超长序列建模】千级别：MINM《Practice on Long Sequential User Behavior Modeling for Click-Through Rate Predictio

百级别：回顾YouTubeDNN、DIN、DIEN、DISNYouTubeDNN：poolingDIN：AttentionDIEN：GRU+Attention千级别：《PracticeonLongSequentialUserBehaviorModelingforClick-ThroughR
chad_lee·2024-01-23 09:35

Candidate Sampling

作为一个菜鸡的推荐炼丹师，前段时间看YouTubeDNN的炼丹手册和双塔模型(DSSM)的配药指南。发现在关于计算优化的部分YouTubeDNN和DSSM都用了importancesampl
查叔笔录·2024-01-04 13:14

零基础入门推荐系统——task03：多路召回

多路召回.png此次多路召回策略包含：YoutubeDNN召回YoutubeDNN召回可直接获取
从白玉石·2023-09-28 08:34

新闻推荐-多路召回

1.基于关联规则的itemcf2.基于关联规则的usercf3.youtubednn召回4.冷启动召回多路召回合并多路召回合并就是将前面所有的召回策略得到的用户文章列表合并起来，下面是对前面所有召回结果的汇总
58506fd3fbed·2023-08-05 01:30

YouTubeDNN

这个youTubeDNN主要是工程导向，对于推荐方向的业界人士真的是必须读的一篇文章。它从召回到排序整个流程都做了描述，真正是在工业界应用的经典介绍。
futurewq·2023-06-17 13:28

【推荐系统】召回与排序区别

直接去除（只有负样本，没有正样本）召回als矩阵分解类算法（一天一次，没有实时行为）fpgitemcf类itemcf比矩阵分解效果好一些u2i算作一路召回（youtubeDNN），一
littlemichelle·2023-04-09 12:39

Youtube DNN的灵魂拷问

YoutubeDNN解析上图左上角是线上召回服务的方法。模型训练好后，ItemEmbedding就是一个Embeddingtable，将其存储到redis等数据库中。
金字塔的AI·2023-03-16 05:57

推荐模型汇总

召回模型双塔YoutubeDNN，微软DSSM,Facebook-ebr,Facebook-Que2Search,Google双塔,MOBIUS美团DualAugmentedTwo-tower,MVKE
PiedPiper68·2023-02-07 08:58

推荐相关问题和解决方案整理

【双塔】经典工业界方案YouTubeDNN王喆：重读Youtube深度学习推荐系统论文，字字珠玑，惊为神文王喆：YouTube深度学习推荐系统的十大工程问题看Youtube怎么利用深度学习做推荐serving
PiedPiper68·2023-02-07 08:28

论文笔记 | RecSys2019 | Sampling-Bias-Corrected Neural Modeling for Large Corpus Item Recommendations

youtube-two-tower-title.jpg论文地址：https://dl.acm.org/doi/abs/10.1145/3298689.3346996一为什么读这篇很早之前就收藏的，除了16年那篇YouTubeDNN
ktulu7·2023-02-05 00:55

AI比赛-推荐系统（一）-新闻推荐03：多路召回【用不同策略分别召回部分候选集，然后把候选集混在一起供后续排序模型使用】【①、YoutubeDNN双塔召回；②、基于物品召回；③、基于用户召回】【天池】

所谓的“多路召回”策略，就是指采用不同的策略、特征或简单模型，分别召回一部分候选集，然后把候选集混合在一起供后续排序模型使用，可以明显的看出，“多路召回策略”是在“计算速度”和“召回率”之间进行权衡的结果。其中，各种简单策略保证候选集的快速召回，从不同角度设计的策略保证召回率接近理想的状态，不至于损伤排序效果。如下图是多路召回的一个示意图，在多路召回中，每个策略之间毫不相关，所以一般可以写并发多线
u013250861·2023-02-04 11:18

【安装配置】流泪！！！！Windows下装faiss

最近学习YouTubeDNN想用faiss，github上的官方文档是说可以在Windows上装CPU版本的但安装后import总是报错“ImportError:DLLloadfailed:找不到指定的模块
米奇巨型老鼠·2023-02-03 20:56

一文看懂推荐系统：谷歌YouTubeDNN（Deep Neural Networks for YouTube Recommendations），这适合召回，专门搞user embedding的，配合

一文看懂推荐系统：谷歌YouTubeDNN（DeepNeuralNetworksforYouTubeRecommendations），这适合召回，专门搞userembedding的，配合item就是双塔模型了提示
冰露可乐·2023-01-29 11:44

YoutubeDNN详解

YoutubeDNN背景Youtube2016年发表的深度推荐系统论文《DeepNeuralNetworksforYouTubeRecommendations》，这篇文章是工程向导的。
蓝色仙女·2023-01-10 08:30

推荐系统-YouTube DNN

多路召回：基于item的协同过滤，YouTubeDNN，牛顿冷却定律。排序：GBDT+LR。
MADAO____·2022-12-28 10:32

推荐系统（二十）谷歌YouTubeDNN（Deep Neural Networks for YouTube Recommendations）

推荐系统（二十）谷歌YouTubeDNN（DeepNeuralNetworksforYouTubeRecommendations）推荐系统系列博客：推荐系统（一）推荐系统整体概览推荐系统（二）GBDT+
天泽28·2022-12-14 13:34

DSSM、YoutubeDNN-推荐系统小结

DSSM、YoutubeDNN-推荐系统小结双塔模型在推荐领域中是一个十分经典的模型，无论是在召回还是粗排阶段，都会是首选。这主要是得益于双塔模型结构，使得能够在线预估时满足低延时的要求。
seetimee·2022-12-14 13:33

推荐系统——召回模型

YoutubeDNN内容YoutubeDNN是Youtube用于做视频推荐的落地模型，可谓推荐系统中的经典，其大体思路为召回阶段使用多个简单模型筛除大量相关度较低的样本，排序阶段使用较为复杂的模型获取精准的推荐结果
小陈phd·2022-11-23 08:37

【datawhale202206】pyTorch推荐系统：召回模型 DSSM&YoutubeDNN

而YoutubeDNN则是单塔模型，user和item的embedding向
SheltonXiao·2022-07-09 07:12

推荐模型复现（三）：召回模型YoutubeDNN、DSSM

本章为推荐模型复现第三章，使用torch_rechub框架进行模型搭建，主要介绍推荐系统召回模型YoutubeDNN、DSSM，包括结构讲解与代码实战，参考其他文章。
GoAI·2022-07-06 07:18

推荐算法之召回模型：DSSM、YoutubeDNN

1.DSSM1.1DSSM模型原理DSSM(DeepStructuredSemanticModel)，由微软研究院提出，利用深度神经网络将文本表示为低维度的向量，应用于文本相似度匹配场景下的一个算法。不仅局限于文本，在其他可以计算相似性计算的场景，例如推荐系统中。根据用户搜索行为中query（文本搜索）和doc（要匹配的文本）的日志数据，使用深度学习网络将query和doc映射到相同维度的语义空间
莱维贝贝、·2022-06-23 07:17

YoutubeDNN召回的一些问题

列出十个文中解决的非常有价值的问题：文中把推荐问题转换成多分类问题，在nextwatch的场景下，每一个备选video都会是一个分类，因此总共的分类有数百万之巨，这在使用softmax训练时无疑是低效的，这个问题Youtube是如何解决的？在candidategenerationmodel的serving过程中，Youtube为什么不直接采用训练时的model进行预测，而是采用了一种最近邻搜索的方
人工智能曾小健·2022-06-10 10:02

【序列建模】DIN深度兴趣网络

深度兴趣网络通过用户的历史行为序列刻画用户兴趣的广泛性，是推荐系统比较大的一个难点，用户历史行为序列建模的研究经历了从Pooling、RNN到attention、capsule再到transformer的顺序Pooling：代表是YoutubeDNN
安河桥北Chester·2022-04-02 13:33

AI上推荐 之 MIND(动态路由与胶囊网络的奇光异彩)

Multi-InterestNetworkwithDynamicRouting)，这是阿里团队2019年在CIKM上发的一篇paper，该模型依然是用在召回阶段的一个模型，解决的痛点是之前在召回阶段的模型，比如双塔，上一篇介绍的YouTubeDNN
翻滚的小@强·2022-03-28 07:52

超长用户行为建模在躺平家居内容推荐中的应用实践

Google提出YouTubeDNN[1]使用poolin
阿里巴巴淘系技术团队官网博客·2021-03-18 16:00

推荐系统之YoutubeDNN代码详解

推荐系统之YoutubeDNN代码详解importpandasaspdfromdeepctr.feature_columnimportSparseFeat,VarLenSparseFeatfromsklearn.preprocessingimportLabelEncoderfromtensorflow.python.kerasimportbackendasKfromtensorflow.pytho
张先生-您好·2021-01-11 21:29

BIGO技术 | 万亿模型参数的训练

*本文转载自BIGO技术公众号，对BIGO技术感兴趣的同学可以关注了解更多内容~一、推荐场景特征稀疏性推荐场景通常由于引入了大量的ID类特征从而导致存在海量稀疏参数，例如下图经典YouTubeDNN模型中
BIGO技术·2021-01-06 18:59

新闻推荐系统中的多路召回策略

召回常用的策略1、YoutubeDNN召回defyoutubednn_u2i_dict(data,topk=20):sparse_features=["click_article_id","user_id
热爱数学的小菜鸡·2020-11-30 20:52

推荐系统遇上深度学习(九十)-[阿里]计算成本感知的轻量级预排序系统COLD

TowardstheNextGenerationofPre-RankingSystem》论文下载地址为：https://arxiv.org/abs/2007.161221、背景大多数的推荐系统都遵从一种多阶段的级联结构，最为我们所熟知的就是YoutubeDNN
文哥的学习日记·2020-08-08 18:35

召回模型

原文地址：https://zhuanlan.zhihu.com/p/115690499更多召回模型YoutubeDNN召回：YouTube在2016年发表的论文《DeepNeuralNetworksforYouTubeRecommendations
asd8705·2020-07-29 04:14

RS Meet DL(74)-[天猫]MIND：多兴趣向量召回

本文介绍的论文是：《Multi-InterestNetworkwithDynamicRoutingforRecommendationatTmall》关于召回阶段的算法，以youtubeDNN为代表的向量化召回方式是目前的主流算法之一
文文学霸·2020-07-11 01:40

推荐系统遇上深度学习(七十四)-[天猫]MIND：多兴趣向量召回

本文介绍的论文是：《Multi-InterestNetworkwithDynamicRoutingforRecommendationatTmall》关于召回阶段的算法，以youtubeDNN为代表的向量化召回方式是目前的主流算法之一
文哥的学习日记·2020-02-02 01:44

解读与增加个人理解Deep Neural Networks for YouTube Recommendations YouTubeDNN推荐召回与排序

1：这个文章是youtube发表的paper，主要是将dnn应用到推荐的召回与排序中。这里主要从几张图说起，不做直接翻译，是带着讲解方式，把重点更清晰的理解出来。首先看下面这个图：这个图展示了，推荐的整体架构，从上百万级别的视频库里，通过召回，到排序，这个像漏斗一样，逐步把视频的数量级进行减少，直到展现在用户面试只有很少的几个。召回---->排序----->展现对应的数量级百万---->几百---
乌云风·2019-10-24 10:36

强化学习大规模应用还远吗？Youtube推荐已强势上线

遥想当年（其实也就近在2016），YoutubeDNN[1]以及WDL[2]的横空出世引领了推荐系统以及CTR预估工业界潮流至今，掀起了召回层与排序层算法大规模优
AI科技大本营·2019-06-30 14:33
上一页 1 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他