为了提高神经网络的性能，是应该增加宽度呢？还是应该增加深度呢？增加宽度和增加深度各有什么样的效果呢？ 本文对论文《Wide & Deep Learning for Recommender Systems Heng-Tze》中关于宽度模型和深度模型的对比实验进行介...

机器之心专栏快手社科推荐团队短视频（比如快手、抖音和视频号等）日益成为人们日常生活中最重要娱乐方式。短视频推荐需要解决的一个基础问题是，如何准确地预估用户对某个视频的观看时长。观看时长建模的精准度一定程度反...

机器之心报道机器之心编辑部深度学习时代的推荐系统，腾讯完成了「破局」。在现代社会，网络购物、订餐以及其他各种形式的在线消费已经成为了日常生活的重要组成部分。在享受便利生活的同时，人们有时不得不受困于浩瀚复杂...

机器之心发布机器之心编辑部个性化推荐已成为人们获取信息的主要形式。以往，人们更多通过主动搜寻自己感兴趣的信息，而现在，基于算法推荐技术的信息分发平台会自动识别用户兴趣，快速筛选信息，推送用户所感兴趣的信息。一方...

并且，推荐系统能够很好的发掘物品的长尾，挑战传统的2/8原则（80%的销售额来自20%的热门品牌）。

双塔模型是推荐、搜索、广告等多个领域的算法实现中最常用和经典的结构，实际各公司应用时，双塔结构中的每个塔会做结构升级，用CTR预估中的新网络结构替代全连接DNN，本期看到的是腾讯浏览器团队的推荐场景下，巧妙并联CTR模...

经过这么多年的发展，提出了各种各样的推荐算法，但不管怎样，都绕不开推荐算法的几个基本条件：

时至2020年，个性化推荐可谓风生水起，Youtube,Netflix,甚至于Pornhub，这些在互联网上叱咤风云的流媒体大鳄无一不靠推荐系统吸引流量变现，一些电商系统也纷纷利用精准推荐来获利，比如Amzon和Shopfiy等等，精准推荐用事实告诉...

推荐系统中常见的深度学习模型由Embedding表和神经网络两部分组成，其中Embedding部分起记忆表征作用，神经网络起到分析和归纳作用。实际上，神经网络在的分析能力是很有限的，更多是表现为归纳。而归纳的效果非常依赖表征的...

推荐上一篇文章说到所谓TB级模型主要的问题在于百亿离散特征，反映在物理层面就是由百亿KV对构成的Embedding表。很多人会直观的认为这里需要一个redis集群，或者类redis的大型KV存储，其实非也。Embedding在使用上存在一个...