左心Chris

1 推荐业务 排序模型 召回->粗排->精排精排 y = model(user, item, context)粗排 y = model(item, context) 特征：i...

左心Chris

1 MAB问题和Bandit算法 Bandit算法定义最大化收益解决冷启动和EE问题最小化累积遗憾，把选择的机会给那些确定好的和还不确定的选项 Bandit算法实现汤普森采样...

左心Chris

C1 概念和思维 推荐系统核心的概念是连接，建立推荐系统的前提是有一定的链接，有存量（留存，更适合推荐系统）和增量（增长）两种目标 问题模式主要有行为预测（主要）和评分预测 ...

左心Chris

1 测试和常用指标 测试软件工程测试：单元测试，回归测试，压力测试离线模拟测试：AUC，TopK准确率在线对照实验：在线AB测试人工校验回访：人工介入测试，发现极端案例 检测...

左心Chris

1 日志收集 需要的元素必要：用户ID，物品ID，事件名称和时间其他：从什么事件来，从什么页面来，事件发生时用户的相关属性，事件发生时物品的相关属性 推荐系统需要的矩阵Use...

左心Chris

1 信息流推荐架构 聚合信息流 内容采集和分析 抓取，标注，分配ID，运营边界和调性，CMS，队列通知离线计算离线计算 推荐结果，用户画像，排序模型推荐服务日志收集和其他配套...