推荐算法论文：Deep Neural Networks for YouTube Recommendations
吹牛逼
按照经典的信息检索方式讲推荐系统划分为两部分
- 深度候选生成模型
- 深度排序模型
1. 介绍
youtube推荐系统面临的三个问题
- 规模：当前的推荐算法可以很好的解决数据量较小的问题，但是针对YouTube这种量级的用户和物料，必须使用专业的分布式训练平台。
- 新鲜度：youtube每天会产生非常多的新内容，推荐系统需要有足够的相应能力来处理新内容，做好新物料的探索和应用
- 噪声：由于稀疏性和各种不可观察的外部因素，YouTube 上的历史用户行为本质上难以预测。并且没有用户的显示反馈，所以需要进行隐式建模，这就要求算法有一定的鲁棒性。
- 反正就是，神经网络已经被应用在各种推荐之中，但是我知道他们都没有我牛逼
系统回顾
整个系统分为两个部分
- 候选网络。输入用户之前的行为，然后从百万级的物料中召回几百个与用户兴趣相关的物料，候选网络仅仅使用协同过滤来提供个性化召回。用户之间的相似性则使用粗略的特征来表示，例如之前看过的视频ID，一些用户维度的统计特征等；
- 排序网络。召回的物料已经有了一些区分，但是需要更多丰富的特征来对用户和物料进行建模，然后按照打分的顺序给用户推荐。
- 这种设计方式可以从大量的物料中筛选中用户感兴趣的商品，依然可以保证个性化，并且很容易增加其他方式的召回源。
- 离线评估
推荐算法论文：Deep Neural Networks for YouTube Recommendations相关推荐
- 关于'Deep Neural Networks for YouTube Recommendations'的一些思考和实现
七月 上海 | 高性能计算之GPU CUDA培训 6月27-29日三天密集式学习 快速带你入门阅读全文> 正文共6326个字,6张图,预计阅读时间30分钟. @blog : http://sh ...
- Deep Neural Networks for YouTube Recommendations 双语译文+理解
目录 Deep Neural Networks for YouTube Recommendations Abstract 摘要 INTRODUCTION 1 引言 2 SYSTEM OVERVIEW ...
- 3.Deep Neural Networks for YouTube Recommendations论文精细解读
一.总述 今天分享的是Deep Neural Networks for Y ouTube Recommendations这篇论文的一些核心,这篇论文被称为推荐系统工程实践领域的一篇神文,每一个细节都值 ...
- （推荐系统）Youtube：Deep Neural Networks for YouTube Recommendations
摘要 该文首先从youtube推荐任务所面临的实际难题入手,提出了一种切合视频推荐需求的二阶网络推荐算法,具有很强的工程性意义. 1. 简介 YouTube的视频推荐任务目前面临以下三个问题: 规模( ...
- Youtube推荐系统论文-《Deep Neural Networks for YouTube Recommendations》-简单总结
文章目录 前言 一.背景介绍 二.整体架构 三.召回层 四.排序层 前言 今天要学习的是一篇关于推荐系统的经典的论文,它是由google在2016年发表的,应用场景是youtube上的视频推荐,然后这 ...
- 《Deep Neural Networks for YouTube Recommendation》译读
<Deep Neural Networks for YouTube Recommendation>译读 摘要 youtube 代表了目前规模最大.最复杂的工业推荐系统之一.在这篇文章里,我 ...
- 论文-Deep Neural Networks are Easily Fooled: High Confidence Predictions for Unrecognizable Images
Deep Neural Networks are Easily Fooled: High Confidence Predictions for Unrecognizable Images Deep N ...
- 剪枝综述论文阅读：Methods for Pruning Deep Neural Networks
文章目录 一.概述 1.分类 2.评估 二.Magnitude based pruning 1.权重剪枝 2.彩票定理 3.特征图和过滤器剪枝 (1)基于通道方差的剪枝 Inbound pruning ...
- 对抗样本论文学习：Deep Neural Networks are Easily Fooled
近日看了一些对抗样本(adversarial examples)方面的论文,在这里对这些论文进行一下整理和总结. 以下仅代表个人理解,本人能力有限难免有错,还请大家给予纠正,不胜感激.欢迎一起讨论进步 ...
最新文章
- Apache Web服务器资源使用限制配置
- qt char*转int_Qt在Linux下绘制文字原理-使用FreeType来绘制字形
- EventProcessor与WorkPool用法--可处理多消费者
- 正式环境docker部署hyperf_Hyperf使用docker-compose集群部署
- Python打印格式化与字符串
- Python并发之协程gevent基础(5)
- Oracle所有分析函数转
- JS判断两个日期的差或者判断两个日期的大小
- ppi 各代iphone_iphone型号对比
- lsqcurvefit拟合结果为复数_使用科学计算器计算复数与相量（提高篇）
- 计算机主机异常经常蓝屏,计算机频繁发生蓝屏怎么解决
- 如何构建一个交互式数据分析 Web 应用？
- 品优购案例之横向列表伪元素的应用
- 跟燕十八学习PHP-第二十八天-union用法深入讲解
- 图像处理中滤波（filtering）与卷积（convolution）的区别
- 计算机运行卡英语怎么说,处理电脑卡顿(国外英文资料).doc
- ps读写ddr3里面的数据 zynq_DDR3读写数据调试
- linux iio 设备驱动,FS4412开发板使用Linux IIO驱动框架实现ADC驱动
- 用matlab实现理查森外推算法,数值代数理查森外推法
- 求助：truffle unbox pet-shop时truffle test出错