IP屬地：陜西
-
淺析DeepSeek多頭潛在注意力機制（MLA）淺析DeepSeek多頭潛在注意力機制（MLA） 背景：DeepSeek在無損模型效果的同時大幅降低了大模型的訓練以及推理成本，引起業界廣范關注...
-
預告：position bias 在建模中的處理方式
提前給大家預告一篇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 推薦結果開篇之前，我們首先回顧一下背景：part1 在19年已經寫了，最近打開博客發現part2遲遲沒有寫，時隔這么久，臨近十一終于有時間把第二部分完成...
-
tf_record 的幾種生成方法。背景：大家在使用tensorflow 訓練model 的時候，如何更好更快的加載數據，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：在個性化推薦系統中，新用戶的快速興趣探索，是推薦系統能否真正抓住用戶的真正喜好，并達到留存的關鍵因素。如何快速興趣探索，首先要選取一種合適...
-
Graph Embeding（圖嵌入）在短視頻推薦系統的落地實戰-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）在短視頻推薦系統的落地實戰-part1背景：眾所周知，在個性化推薦系統，后端算法核心邏輯，分為召回，排序以及strategy調整，用戶訪問系統時，受限于排序模型的耗時等因素，不可能將...
-
深度語義模型在推薦系統中的應用實戰（youtube dnn）--part3
背景：上文講到離線model已經訓練好了。接下來就是最重要的部分，在線應用部分拿效果。在個性化推薦算法recall的整體架構中，有比較簡單的寫k...
-
深度語義模型在推薦系統中的應用實戰（youtube dnn）--part2part2背景：眾所周知，數據是最終效果的天花板，而不同model在同一份數據上只不過是代表了不同逼近天花板的程度，有鑒于此，本小節也分兩大塊展...
個人介紹
畢業于北京郵電大學模式識別實驗室
bat多家工作經驗。
免費公開課：個性化推薦算法實戰入門必修課：https://www.imooc.com/learn/1029
實戰課https://coding.imooc.com/class/297.html
勸君莫惜金縷衣 勸君惜取少年時
bat多家工作經驗。
免費公開課：個性化推薦算法實戰入門必修課：https://www.imooc.com/learn/1029
實戰課https://coding.imooc.com/class/297.html
勸君莫惜金縷衣 勸君惜取少年時