1.簡介
存在典型問題：
稀疏性：可能活躍兩天找到了工作就不再活躍，回來平台之後可能想換乙份工作，可能是職位公升階
2.個性化推薦
基於行為序列**
askbob同樣在評估階段
3、召回模組
以上下文內容與精細畫像結合的精準召回、協同過濾召回、深度向量化為核心策略的召回模組。
基於業務特殊性的協同過濾演算法改進
embedding深度召回探索、
使用者向量化：構建乙個多分類nn網路，embedding層將使用者發生行為的職位向量化遷移過來使用，輸入使用者畫像資訊進行向量訓練。以使用者真實發生的資料作為正樣本，未發生行為的資料作為負樣本，構建損失函式進行最優化訓練。負樣本選擇上使用隨機取樣，隨機從求職者關注的城市及崗位下未發生行為的職位中按一定比例抽取負樣本。
線上會實時採集使用者行為，以視窗形式對使用者向量進行更新。
4、排序迭代
特徵生產實現
模型serving實現。
推薦系統 3 深度學習發展
深度學習推薦模型，有早期微軟的deepcrossing,google的wide deep，阿里的mlr，到現在影響力非常大的din,dien,youtube的深度推薦模型等。經典的推薦演算法，矩陣分解，在矩陣分解模型的結構中，使用者one hot向量和物品one hot向量分局兩側，他們會先通過隱向...
學習週報20200621 深度學習推薦系統
學習週報 總結自己的學習和遇到的好材料。往期回顧 最近調整了作息，早上早起晚上早睡，所以學習策略也有一些調整，但是學習是一直不能落下，query理解層面自己有了比較完整的一年經驗，要開始把坑挖大，自己的計畫是稍微在推薦系統這個角度看看有沒有一些經驗可以使用吧，一方面是深度學習推薦系統這本書，另一方面...
深度學習推薦系統 筆記06 推薦系統線上服務相關
需要跟資料庫打交道，把候選物品和離線處理好的特徵載入到伺服器 召回層 排序層 業務邏輯 結果多樣性 流行度 ab 測試 負載均衡 nginx或專門的硬體級負載均衡裝置 快取 1 預先快取好幾類新使用者的推薦列表 2 利用新使用者有限的資訊，比如ip，註冊資訊等做乙個簡單的聚類，為每個人群聚類產生合適...