<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>推荐 on 知识铺的博客</title>
    <link>https://index.zshipu.com/geek/tags/%E6%8E%A8%E8%8D%90/</link>
    <description>Recent content in 推荐 on 知识铺的博客</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>zh-CN</language>
    <lastBuildDate>Tue, 15 Mar 2022 11:29:20 +0800</lastBuildDate>
    <atom:link href="https://index.zshipu.com/geek/tags/%E6%8E%A8%E8%8D%90/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>深入理解推荐系统算法</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%B7%B1%E5%85%A5%E7%90%86%E8%A7%A3%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E7%AE%97%E6%B3%95/</link>
      <pubDate>Tue, 15 Mar 2022 11:29:20 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%B7%B1%E5%85%A5%E7%90%86%E8%A7%A3%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E7%AE%97%E6%B3%95/</guid>
      <description>深入理解推荐系统：召回 深入理解 YouTube 推荐系统算法 深入理解推荐系统：排序 去年 天池-安泰杯跨境电商智能算法大赛 是我初次接触推荐相关的比赛，通过比赛让我对推荐系统有了较为浅显的认识，赛后也是打算系统的学习这方面的内容，此后我也会将【推荐系统】作为一个系列板块进行更新，主打经典推荐算法的原理</description>
    </item>
    <item>
      <title>文本相关性在蘑菇街搜索推荐排序系统中的应用</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%96%87%E6%9C%AC%E7%9B%B8%E5%85%B3%E6%80%A7%E5%9C%A8%E8%98%91%E8%8F%87%E8%A1%97%E6%90%9C%E7%B4%A2%E6%8E%A8%E8%8D%90%E6%8E%92%E5%BA%8F%E7%B3%BB%E7%BB%9F%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8/</link>
      <pubDate>Tue, 15 Mar 2022 11:27:03 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%96%87%E6%9C%AC%E7%9B%B8%E5%85%B3%E6%80%A7%E5%9C%A8%E8%98%91%E8%8F%87%E8%A1%97%E6%90%9C%E7%B4%A2%E6%8E%A8%E8%8D%90%E6%8E%92%E5%BA%8F%E7%B3%BB%E7%BB%9F%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8/</guid>
      <description>作者：美丽联合集团 算法工程师 琦琦 ，公众号关注：诗品算法 0、引言 好久不见。十月最后一天，居然也是十月的第一篇，脸疼。今天我们来聊聊相关性吧。如何巧妙地将NLP相关知识应用于搜索推荐系统呢？且往下看。 PS：笔者在本篇文章中所提及的算法，全部在真实的生产环境中实践过，均有收益，且全部落</description>
    </item>
    <item>
      <title>基于内容和上下文的音乐推荐</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%9F%BA%E4%BA%8E%E5%86%85%E5%AE%B9%E5%92%8C%E4%B8%8A%E4%B8%8B%E6%96%87%E7%9A%84%E9%9F%B3%E4%B9%90%E6%8E%A8%E8%8D%90/</link>
      <pubDate>Tue, 15 Mar 2022 11:08:58 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%9F%BA%E4%BA%8E%E5%86%85%E5%AE%B9%E5%92%8C%E4%B8%8A%E4%B8%8B%E6%96%87%E7%9A%84%E9%9F%B3%E4%B9%90%E6%8E%A8%E8%8D%90/</guid>
      <description>文章作者：弗朗西斯科·里奇 等 内容来源：《推荐系统：技术、评估及高效算法》&amp;amp; DataFunTalk 导读： 随着在线音乐商城及流媒体音乐服务的出现，数字音乐分发已经使得音乐触手可及。然而，面对突然出现的海量可收听内容，听众很容易面临信息过载的问题。因此，本次分享的主题音乐推荐系统，将为那些面临海量</description>
    </item>
    <item>
      <title>腾讯音乐全民歌推荐系统架构及粗排设计</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%85%BE%E8%AE%AF%E9%9F%B3%E4%B9%90%E5%85%A8%E6%B0%91%E6%AD%8C%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E6%9E%B6%E6%9E%84%E5%8F%8A%E7%B2%97%E6%8E%92%E8%AE%BE%E8%AE%A1/</link>
      <pubDate>Tue, 15 Mar 2022 10:54:14 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%85%BE%E8%AE%AF%E9%9F%B3%E4%B9%90%E5%85%A8%E6%B0%91%E6%AD%8C%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E6%9E%B6%E6%9E%84%E5%8F%8A%E7%B2%97%E6%8E%92%E8%AE%BE%E8%AE%A1/</guid>
      <description>分享嘉宾：kevinshuang、fivenwu 编辑整理：张振、于洋 出品平台：DataFunTalk 导读： 腾讯音乐娱乐集团 ( TME ) 目前有四大移动音乐产品：QQ音乐、酷狗音乐、酷我音乐和全民K歌，总月活超8亿。其中，全民K歌与其他三款产品有明显的差异，具体表现如下：以唱为核心，在唱歌</description>
    </item>
    <item>
      <title>同城技术在房产推荐中的应用</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%90%8C%E5%9F%8E%E6%8A%80%E6%9C%AF%E5%9C%A8%E6%88%BF%E4%BA%A7%E6%8E%A8%E8%8D%90%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8/</link>
      <pubDate>Tue, 15 Mar 2022 10:51:07 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%90%8C%E5%9F%8E%E6%8A%80%E6%9C%AF%E5%9C%A8%E6%88%BF%E4%BA%A7%E6%8E%A8%E8%8D%90%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8/</guid>
      <description>分享嘉宾：周彤 58同城 资深算法工程师 编辑整理：吴雪松 内容来源：58 推荐系统技术沙龙 出品平台：DataFunTalk 导读： 在深度学习的应用过程中，Embedding 这样一种将离散变量转变为连续向量的方式为神经网络在各方面的应用带来了极大的扩展，有&amp;quot;万物皆可 Embeddin</description>
    </item>
    <item>
      <title>网易云音乐推荐中的用户行为序列深度建模</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E7%BD%91%E6%98%93%E4%BA%91%E9%9F%B3%E4%B9%90%E6%8E%A8%E8%8D%90%E4%B8%AD%E7%9A%84%E7%94%A8%E6%88%B7%E8%A1%8C%E4%B8%BA%E5%BA%8F%E5%88%97%E6%B7%B1%E5%BA%A6%E5%BB%BA%E6%A8%A1/</link>
      <pubDate>Tue, 15 Mar 2022 09:30:23 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E7%BD%91%E6%98%93%E4%BA%91%E9%9F%B3%E4%B9%90%E6%8E%A8%E8%8D%90%E4%B8%AD%E7%9A%84%E7%94%A8%E6%88%B7%E8%A1%8C%E4%B8%BA%E5%BA%8F%E5%88%97%E6%B7%B1%E5%BA%A6%E5%BB%BA%E6%A8%A1/</guid>
      <description>分享嘉宾：章莺 网易云音乐 资深算法工程师 编辑整理：汪方野 出品平台：DataFunTalk 导读： 近年来，网易云音乐作为一匹黑马迅速在移动音乐APP占据市场，2016年用户量就突破了2亿，而这与它优质的推荐系统必不可分。网易云音乐推荐系统致力于通过AI算法的落地，实现千人千面的个性化音</description>
    </item>
    <item>
      <title>使用嵌入来做个性化的搜索推荐来自</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BD%BF%E7%94%A8%E5%B5%8C%E5%85%A5%E6%9D%A5%E5%81%9A%E4%B8%AA%E6%80%A7%E5%8C%96%E7%9A%84%E6%90%9C%E7%B4%A2%E6%8E%A8%E8%8D%90%E6%9D%A5%E8%87%AA/</link>
      <pubDate>Tue, 15 Mar 2022 09:20:48 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BD%BF%E7%94%A8%E5%B5%8C%E5%85%A5%E6%9D%A5%E5%81%9A%E4%B8%AA%E6%80%A7%E5%8C%96%E7%9A%84%E6%90%9C%E7%B4%A2%E6%8E%A8%E8%8D%90%E6%9D%A5%E8%87%AA/</guid>
      <description>作者：Mihajlo Grbovic 编译：ronghuaiyang 英文原文： https://medium.com/airbnb-engineering/listing-embeddings-for-similar-listing-recommendations-and-real-time-personalization-in-search-601172f7603e 导读： 这是Airbnb的一篇经典文章的解读，使用房屋的嵌入来做搜索推荐，这篇文章也是KDD2018的best paper，思路很清楚：把房屋用嵌入向量来表示，两个技巧：全局正样本和市场内负采样，很有效，离线评估指标：预</description>
    </item>
    <item>
      <title>腾讯技术揭秘信息流推荐背后的系统设计</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%85%BE%E8%AE%AF%E6%8A%80%E6%9C%AF%E6%8F%AD%E7%A7%98%E4%BF%A1%E6%81%AF%E6%B5%81%E6%8E%A8%E8%8D%90%E8%83%8C%E5%90%8E%E7%9A%84%E7%B3%BB%E7%BB%9F%E8%AE%BE%E8%AE%A1/</link>
      <pubDate>Tue, 15 Mar 2022 09:08:42 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%85%BE%E8%AE%AF%E6%8A%80%E6%9C%AF%E6%8F%AD%E7%A7%98%E4%BF%A1%E6%81%AF%E6%B5%81%E6%8E%A8%E8%8D%90%E8%83%8C%E5%90%8E%E7%9A%84%E7%B3%BB%E7%BB%9F%E8%AE%BE%E8%AE%A1/</guid>
      <description>作者：徐宁，腾讯应用开发工程师，腾讯学院讲师 导语 | 本文将总结一下常用的基于时间线Feed流的后台存储设计方案。结合具体的业务场景，讲述一下根据实际需求，在基本设计思路上做一些灵活运用。 一、背景 Feed流产品在我们手机APP中几乎无处不在，常见的Feed流比如微信朋友圈、新浪微博、</description>
    </item>
    <item>
      <title>精华搜索推荐系统实战篇上半篇</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E7%B2%BE%E5%8D%8E%E6%90%9C%E7%B4%A2%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E5%AE%9E%E6%88%98%E7%AF%87%E4%B8%8A%E5%8D%8A%E7%AF%87/</link>
      <pubDate>Tue, 15 Mar 2022 09:08:38 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E7%B2%BE%E5%8D%8E%E6%90%9C%E7%B4%A2%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E5%AE%9E%E6%88%98%E7%AF%87%E4%B8%8A%E5%8D%8A%E7%AF%87/</guid>
      <description>欢迎关注我的公众号： 炼丹笔记 1. 前言 背景 在电商搜索中，例如淘宝，拼多多，京东等的搜索的场景往往是： 用户A通过搜索框Query找到他/她想要购买的东西，然后搜索引擎通过某些算法策略返回一系列商品，用户再决定是否进行点击购买。 要做好这样一个问题，我们需要抓住问题的核心。那么搜索引擎的核</description>
    </item>
    <item>
      <title>贝壳找房降本提效贝壳搜索推荐架构统一之路</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%B4%9D%E5%A3%B3%E6%89%BE%E6%88%BF%E9%99%8D%E6%9C%AC%E6%8F%90%E6%95%88%E8%B4%9D%E5%A3%B3%E6%90%9C%E7%B4%A2%E6%8E%A8%E8%8D%90%E6%9E%B6%E6%9E%84%E7%BB%9F%E4%B8%80%E4%B9%8B%E8%B7%AF/</link>
      <pubDate>Tue, 15 Mar 2022 09:08:28 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%B4%9D%E5%A3%B3%E6%89%BE%E6%88%BF%E9%99%8D%E6%9C%AC%E6%8F%90%E6%95%88%E8%B4%9D%E5%A3%B3%E6%90%9C%E7%B4%A2%E6%8E%A8%E8%8D%90%E6%9E%B6%E6%9E%84%E7%BB%9F%E4%B8%80%E4%B9%8B%E8%B7%AF/</guid>
      <description>高攀: 贝壳搜索推荐部平台架构负责人 贝壳找房在云加社区组织的分享 导语 | 搜索和推荐是用户获取信息的两种主要方式，在贝壳也是帮助客户找到房子的主要手段，那么二者都有哪些相似和不同之处？是否可以使用同一套架构来实现？统一架构之后又能带来哪些收益呢？本文是对贝壳搜索推荐部平台架构负责人——</description>
    </item>
    <item>
      <title>主流推荐引擎技术及优缺点分析</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%B8%BB%E6%B5%81%E6%8E%A8%E8%8D%90%E5%BC%95%E6%93%8E%E6%8A%80%E6%9C%AF%E5%8F%8A%E4%BC%98%E7%BC%BA%E7%82%B9%E5%88%86%E6%9E%90/</link>
      <pubDate>Tue, 15 Mar 2022 09:07:16 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%B8%BB%E6%B5%81%E6%8E%A8%E8%8D%90%E5%BC%95%E6%93%8E%E6%8A%80%E6%9C%AF%E5%8F%8A%E4%BC%98%E7%BC%BA%E7%82%B9%E5%88%86%E6%9E%90/</guid>
      <description>文章作者：苏雷什·库马尔·戈拉卡拉 编辑整理：Hoh 内容来源：《自己动手做推荐引擎》 导读： 在本文中，将详细介绍多种类型的推荐系统，具体介绍基于近邻算法的推荐引擎、个性化推荐引擎、基于模型的推荐系统和混合推荐引擎等，并分析介绍每种推荐系统的优缺点。 主要介绍的不同类型的推荐系统包括： 近</description>
    </item>
    <item>
      <title>微信看一看推荐排序技术揭秘</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%BE%AE%E4%BF%A1%E7%9C%8B%E4%B8%80%E7%9C%8B%E6%8E%A8%E8%8D%90%E6%8E%92%E5%BA%8F%E6%8A%80%E6%9C%AF%E6%8F%AD%E7%A7%98/</link>
      <pubDate>Tue, 15 Mar 2022 08:56:06 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%BE%AE%E4%BF%A1%E7%9C%8B%E4%B8%80%E7%9C%8B%E6%8E%A8%E8%8D%90%E6%8E%92%E5%BA%8F%E6%8A%80%E6%9C%AF%E6%8F%AD%E7%A7%98/</guid>
      <description>本文转载自：微信AI，作者 xiafengxia 在微信 AI 背后，技术究竟如何让一切发生？微信 AI 公众号推出技术专题系列“微信看一看背后的技术架构详解”，干货满满，敬请关注。以下为专题的第一篇《微信看一看推荐排序》。 第二篇:详文解读微信「看一看」多模型内容策略与召回 一、背景 微信公众平台作为目前用户量最大的</description>
    </item>
    <item>
      <title>阿里巴巴电商搜索推荐实时数仓演进之路</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E9%98%BF%E9%87%8C%E5%B7%B4%E5%B7%B4%E7%94%B5%E5%95%86%E6%90%9C%E7%B4%A2%E6%8E%A8%E8%8D%90%E5%AE%9E%E6%97%B6%E6%95%B0%E4%BB%93%E6%BC%94%E8%BF%9B%E4%B9%8B%E8%B7%AF/</link>
      <pubDate>Tue, 15 Mar 2022 08:54:03 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E9%98%BF%E9%87%8C%E5%B7%B4%E5%B7%B4%E7%94%B5%E5%95%86%E6%90%9C%E7%B4%A2%E6%8E%A8%E8%8D%90%E5%AE%9E%E6%97%B6%E6%95%B0%E4%BB%93%E6%BC%94%E8%BF%9B%E4%B9%8B%E8%B7%AF/</guid>
      <description>分享嘉宾：张照亮 阿里巴巴 高级技术专家 编辑整理：郑银秋 出品平台：DataFunTalk 导读： 今天分享的内容是阿里搜索推荐数据平台研发团队在实时数仓的一些探索，围绕着团队在数仓上基于Flink + Hologres的演进过程及最佳实践。 01 业务背景 阿里巴巴电商搜索推荐实时数据仓库承载了阿里</description>
    </item>
    <item>
      <title>在美团外卖场景精排模型预估中的应用实践</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%9C%A8%E7%BE%8E%E5%9B%A2%E5%A4%96%E5%8D%96%E5%9C%BA%E6%99%AF%E7%B2%BE%E6%8E%92%E6%A8%A1%E5%9E%8B%E9%A2%84%E4%BC%B0%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8%E5%AE%9E%E8%B7%B5/</link>
      <pubDate>Tue, 15 Mar 2022 00:48:07 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%9C%A8%E7%BE%8E%E5%9B%A2%E5%A4%96%E5%8D%96%E5%9C%BA%E6%99%AF%E7%B2%BE%E6%8E%92%E6%A8%A1%E5%9E%8B%E9%A2%84%E4%BC%B0%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8%E5%AE%9E%E8%B7%B5/</guid>
      <description>美团技术团队 稿 GPU等专用芯片以较低的成本提供海量算力，已经成为机器学习领域的核心利器，在人工智能时代发挥着越来越重要的作用。如何利用GPU这一利器赋能业务场景，是很多技术研发者都要面临的问题。本文分享了美团外卖搜索/推荐业务中模型预估的GPU架构设计及落地的过程，希望能对从事相</description>
    </item>
  </channel>
</rss>
