<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>向量召回 on 知识铺的博客</title>
    <link>https://index.zshipu.com/geek/tags/%E5%90%91%E9%87%8F%E5%8F%AC%E5%9B%9E/</link>
    <description>Recent content in 向量召回 on 知识铺的博客</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>zh-CN</language>
    <lastBuildDate>Tue, 15 Mar 2022 11:20:02 +0800</lastBuildDate>
    <atom:link href="https://index.zshipu.com/geek/tags/%E5%90%91%E9%87%8F%E5%8F%AC%E5%9B%9E/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>向量召回在阿里躺平的实践</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%90%91%E9%87%8F%E5%8F%AC%E5%9B%9E%E5%9C%A8%E9%98%BF%E9%87%8C%E8%BA%BA%E5%B9%B3%E7%9A%84%E5%AE%9E%E8%B7%B5/</link>
      <pubDate>Tue, 15 Mar 2022 11:20:02 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%90%91%E9%87%8F%E5%8F%AC%E5%9B%9E%E5%9C%A8%E9%98%BF%E9%87%8C%E8%BA%BA%E5%B9%B3%E7%9A%84%E5%AE%9E%E8%B7%B5/</guid>
      <description>作者：陈雷慧（豆苗） 背景 躺平APP是“躺平”这个大生态中生活记录社区，记录生活记录家。 该业务场景中，个性化推荐在充分利用流量实现精细化运营、促进信息流动方面有着不可或缺的地位。在业务成长初期，其内容推荐也面临着如下两个问题： 用户冷启动： 对于无任何行为或行为稀疏的用户，难以有效的捕</description>
    </item>
    <item>
      <title>丁香园基于的向量召回应用</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%B8%81%E9%A6%99%E5%9B%AD%E5%9F%BA%E4%BA%8E%E7%9A%84%E5%90%91%E9%87%8F%E5%8F%AC%E5%9B%9E%E5%BA%94%E7%94%A8/</link>
      <pubDate>Tue, 15 Mar 2022 10:08:57 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%B8%81%E9%A6%99%E5%9B%AD%E5%9F%BA%E4%BA%8E%E7%9A%84%E5%90%91%E9%87%8F%E5%8F%AC%E5%9B%9E%E5%BA%94%E7%94%A8/</guid>
      <description>丁香园大数据NLP 丁香园大数据 背景 随着BERT，GNN等模型在NLP领域的发展，DNN类模型的语义提取能力又得到进一步提升，我们对文本语义向量也有了更高的期待，期望语义向量或其他模型特征向量可以在召回段发挥更大作用；约2019年初，我们就尝试在推荐业务中引入基于Faiss的向量召</description>
    </item>
    <item>
      <title>万物皆为向量爱奇艺在线向量召回工程服务化实践</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%B8%87%E7%89%A9%E7%9A%86%E4%B8%BA%E5%90%91%E9%87%8F%E7%88%B1%E5%A5%87%E8%89%BA%E5%9C%A8%E7%BA%BF%E5%90%91%E9%87%8F%E5%8F%AC%E5%9B%9E%E5%B7%A5%E7%A8%8B%E6%9C%8D%E5%8A%A1%E5%8C%96%E5%AE%9E%E8%B7%B5/</link>
      <pubDate>Tue, 15 Mar 2022 09:34:48 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%B8%87%E7%89%A9%E7%9A%86%E4%B8%BA%E5%90%91%E9%87%8F%E7%88%B1%E5%A5%87%E8%89%BA%E5%9C%A8%E7%BA%BF%E5%90%91%E9%87%8F%E5%8F%AC%E5%9B%9E%E5%B7%A5%E7%A8%8B%E6%9C%8D%E5%8A%A1%E5%8C%96%E5%AE%9E%E8%B7%B5/</guid>
      <description>作者：爱奇艺推荐中台 随着深度学习浪潮的兴起，embedding技术也随之快速发展。embedding自身表达能力的增强使得直接利用embedding生成推荐列表成了可行的选择。 因此，利用embedding向量的相似性，将embedding作为推荐系统召回层的方案逐渐被推广开来。 我</description>
    </item>
    <item>
      <title>即刻技术推荐系统向量召回在即刻的工程实践</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%8D%B3%E5%88%BB%E6%8A%80%E6%9C%AF%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E5%90%91%E9%87%8F%E5%8F%AC%E5%9B%9E%E5%9C%A8%E5%8D%B3%E5%88%BB%E7%9A%84%E5%B7%A5%E7%A8%8B%E5%AE%9E%E8%B7%B5/</link>
      <pubDate>Tue, 15 Mar 2022 09:02:34 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%8D%B3%E5%88%BB%E6%8A%80%E6%9C%AF%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E5%90%91%E9%87%8F%E5%8F%AC%E5%9B%9E%E5%9C%A8%E5%8D%B3%E5%88%BB%E7%9A%84%E5%B7%A5%E7%A8%8B%E5%AE%9E%E8%B7%B5/</guid>
      <description>即刻首页的动态广场是一个发现好玩圈子和有趣即友的地方。如何让每一个用户都能在上面看到自己感兴趣的内容，是即刻推荐团队一直以来努力的目标。 去年我们分享了一篇 技术文章，介绍如何在线上服务中使用Spark MLlib，解决了排序模型的线上serving问题。过去这一年，即刻推荐系统完成了</description>
    </item>
    <item>
      <title>闲鱼搜索召回升级向量召回个性化召回</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E9%97%B2%E9%B1%BC%E6%90%9C%E7%B4%A2%E5%8F%AC%E5%9B%9E%E5%8D%87%E7%BA%A7%E5%90%91%E9%87%8F%E5%8F%AC%E5%9B%9E%E4%B8%AA%E6%80%A7%E5%8C%96%E5%8F%AC%E5%9B%9E/</link>
      <pubDate>Tue, 15 Mar 2022 09:02:30 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E9%97%B2%E9%B1%BC%E6%90%9C%E7%B4%A2%E5%8F%AC%E5%9B%9E%E5%8D%87%E7%BA%A7%E5%90%91%E9%87%8F%E5%8F%AC%E5%9B%9E%E4%B8%AA%E6%80%A7%E5%8C%96%E5%8F%AC%E5%9B%9E/</guid>
      <description>涤生、志勇、远悠 闲鱼技术 稿 在搜索系统中，召回环节位于排序漏斗的最底层，决定了下游排序的空间大小，其重要程度毋庸置疑，在闲鱼搜索场景亦是如此。然而由于机器和人力资源的限制，长期以来闲鱼搜索的召回都是使用最简单的基于文本的召回方式，其优化迭代方式也只是在基础商品字段（标题、描述）之上</description>
    </item>
    <item>
      <title>网易向量体系在严选的落地实践</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E7%BD%91%E6%98%93%E5%90%91%E9%87%8F%E4%BD%93%E7%B3%BB%E5%9C%A8%E4%B8%A5%E9%80%89%E7%9A%84%E8%90%BD%E5%9C%B0%E5%AE%9E%E8%B7%B5/</link>
      <pubDate>Mon, 14 Mar 2022 18:17:05 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E7%BD%91%E6%98%93%E5%90%91%E9%87%8F%E4%BD%93%E7%B3%BB%E5%9C%A8%E4%B8%A5%E9%80%89%E7%9A%84%E8%90%BD%E5%9C%B0%E5%AE%9E%E8%B7%B5/</guid>
      <description>严选技术团队 向量化在业界的运用越来越广，近期也有许多文章分享过相关的主题。严选于 18 年下半年开始探索向量化在搜索推荐场景中的运用，从最开始基于商品召回用户的任务到后续的搜索召回、搜索个性化排序、搜索底纹、搜索发现词、搜索建议词、跨类目推荐、推荐召回、多兴趣召回、通用排序、端智能重排</description>
    </item>
  </channel>
</rss>
