IP屬地：四川
-
淺析DeepSeek多頭潛在注意力機(jī)制（MLA）淺析DeepSeek多頭潛在注意力機(jī)制（MLA） 背景：DeepSeek在無損模型效果的同時(shí)大幅降低了大模型的訓(xùn)練以及推理成本，引起業(yè)界廣范關(guān)注...
-
預(yù)告：position bias 在建模中的處理方式
提前給大家預(yù)告一篇position bias在建模中的處理方式。
-
基于深度隱語義topic的用戶聚合推薦--part2 推薦結(jié)果開篇之前，我們首先回顧一下背景：part1 在19年已經(jīng)寫了，最近打開博客發(fā)現(xiàn)part2遲遲沒有寫，時(shí)隔這么久，臨近十一終于有時(shí)間把第二部分完成...
-
tf_record 的幾種生成方法。背景：大家在使用tensorflow 訓(xùn)練model 的時(shí)候，如何更好更快的加載數(shù)據(jù)，tensorflow官方給出了tf record這種格式，...
-
基于深度隱語義topic的用戶聚合推薦--part1 topic的聚合
背景：在個(gè)性化推薦系統(tǒng)中，新用戶的快速興趣探索，是推薦系統(tǒng)能否真正抓住用戶的真正喜好，并達(dá)到留存的關(guān)鍵因素。如何快速興趣探索，首先要選取一種合適...
-
Graph Embeding（圖嵌入）在短視頻推薦系統(tǒng)的落地實(shí)戰(zhàn)-part2上文主要介紹了deep walk原論文是如何從原始語料獲得graph，以及如何從graph，隨機(jī)游走出item序列。繼而通過word2vec或得...
-
Graph Embeding（圖嵌入）在短視頻推薦系統(tǒng)的落地實(shí)戰(zhàn)-part1背景：眾所周知，在個(gè)性化推薦系統(tǒng)，后端算法核心邏輯，分為召回，排序以及strategy調(diào)整，用戶訪問系統(tǒng)時(shí)，受限于排序模型的耗時(shí)等因素，不可能將...
-
深度語義模型在推薦系統(tǒng)中的應(yīng)用實(shí)戰(zhàn)（youtube dnn）--part3
背景：上文講到離線model已經(jīng)訓(xùn)練好了。接下來就是最重要的部分，在線應(yīng)用部分拿效果。在個(gè)性化推薦算法recall的整體架構(gòu)中，有比較簡(jiǎn)單的寫k...
-
深度語義模型在推薦系統(tǒng)中的應(yīng)用實(shí)戰(zhàn)（youtube dnn）--part2part2背景：眾所周知，數(shù)據(jù)是最終效果的天花板，而不同model在同一份數(shù)據(jù)上只不過是代表了不同逼近天花板的程度，有鑒于此，本小節(jié)也分兩大塊展...
個(gè)人介紹
畢業(yè)于北京郵電大學(xué)模式識(shí)別實(shí)驗(yàn)室
bat多家工作經(jīng)驗(yàn)。
免費(fèi)公開課：個(gè)性化推薦算法實(shí)戰(zhàn)入門必修課：https://www.imooc.com/learn/1029
實(shí)戰(zhàn)課https://coding.imooc.com/class/297.html
勸君莫惜金縷衣 勸君惜取少年時(shí)
bat多家工作經(jīng)驗(yàn)。
免費(fèi)公開課：個(gè)性化推薦算法實(shí)戰(zhàn)入門必修課：https://www.imooc.com/learn/1029
實(shí)戰(zhàn)課https://coding.imooc.com/class/297.html
勸君莫惜金縷衣 勸君惜取少年時(shí)