《推荐系统技术演进趋势：从召回到排序再到重排》 近日读到一篇非常不错的文章，忍不住转载过来，方便日后学习查阅，作者是新浪微博的张俊林，之前有幸听过他在线下的技术分享，印象深刻，PPT做得非常棒。这篇文章涵盖推荐系统最重要的三个环节：召回、排序、重排序涉及的相关技术路线，通过近两年的经典案例和论文，归纳总结了相关技术的发展演化趋势。 本文在原文的基...

应用综述 上一篇文章我们提到Embedding的源头、原理、以及在推荐系统场景下常用的几种延伸方法，这篇文章则通过解读YouTube、Airbnb、Alibaba的三篇经典论文，来总结Embedding在工业界的一些用法和技巧，这三篇论文亮点众多，提供的经验非常值得我们去细细品味和借鉴。这篇文章篇幅较多，几乎把三篇论文的重要内容都进行了解读和总结，需花点时...

近日读到一篇非常不错的文章，忍不住转载过来，方便日后学习查阅，作者是新浪微博的张俊林，之前有幸听过他在线下的技术分享，印象深刻，PPT做得非常棒。这篇文章涵盖推荐系统最重要的三个环节：召回、排序、重排序涉及的相关技术路线，通过近两年的经典案例和论文，归纳总结了相关技术的发展演化趋势。 本文在原文的基础上，添加了相关论文的下载链接，并为了提高阅读性，文章...

算法概述 开始之前，先大概说一下有监督机器学习的本质是什么？简单点来说，我们经常解决的一类问题就是给定一个函数f(x)和输入数据集X，然后求解输入数据集的各个样本数据在经过函数的映射计算后的输出数据集Y，而机器学习大部分解决的问题就是在给定输入数据集X和输出数据集Y，来获知函数f(x)，以方便我们利用计算好的f(x)去对其他输入数据进行映射计算。然而现实是...