分享
搜推广算法
输入“/”快速插入内容
🫐
搜推广算法
2024年4月6日创建
历史文章列表
•
重磅整理！推荐系统之深度召回模型综述（PART I）
•
重磅整理！推荐系统之深度召回模型综述（PART II）
•
重磅整理！推荐系统之深度召回模型综述（PART III）
•
深度融合 | 当推荐系统遇见知识图谱
•
深度融合 | 当推荐系统遇上知识图谱（二）
•
深度融合 | 当推荐系统遇见知识图谱（三）
•
万物皆可Graph | 当推荐系统遇上图神经网络
•
万物皆可Graph | 当推荐系统遇上图神经网络（二）
•
万物皆可Graph | 当推荐系统遇上图神经网络（三）
•
推荐系统多兴趣召回最新进展
•
微软亚研院 | 智能信息检索综述
•
三大视角，聊聊我眼中的广告系统
•
BOOM！推荐系统遇上多模态信息
•
如何将用户行为和属性用于推荐系统？
•
Attention！当推荐系统遇见注意力机制
•
大规模搜索+预训练，百度是如何落地的？
•
Embedding 技术在推荐系统中的应用实践
•
升级换代！Facebook全新电商搜索系统Que2Search
•
谷歌 ICLR 2020 | 向量化召回也需要『预训练』
•
全方位解读 | Facebook的搜索是怎么做的？
•
搜索、推荐、广告中的曝光偏差问题
•
聊一聊搜索推荐中的 Position Bias
•
KDD2021 | 华为AutoDis：连续特征的Embedding学习框架
•
Facebook：亿级向量相似度检索库Faiss 原理+应用
•
京东：个性化语义搜索在电商搜索中的应用
•
『优势特征知识蒸馏』在淘宝推荐中的应用
•
跨越『时空』的难样本挖掘！
•
[旧文新读] 深度学习在Airbnb搜索的应用实践
•
基于表征(Representation)的文本匹配、信息检索、向量召回的方法总结
•
啥？！BM25 比语义向量检索效果好？
•
字节跳动高伟豪：端到端深度召回算法
•
KDD 2021 | 谷歌DHE：不使用embedding table的类别型特征embedding