重排序是多阶段推荐系统(MRS)中最关键的步骤之一,它通过建模跨物品交互对输入排序列表进行重新排序。由于深度学习的显著进步,最近的重排序方法已经演变为深度神经体系结构。因此,神经网络重新排序已经成为一个趋势话题,许多改进的算法已经在工业应用中得到了应用,并获得了巨大的商业成功。本教程的目的是探索神经系统重新排序的一些近期工作,将它们整合到更广阔的图景中,为未来的研究提供更全面的解决方案铺平道路。特别地,我们根据目标和训练信号提供了当前方法的分类。我们对这些方法进行了定性和定量的检查和比较,并确定了一些开放的挑战和未来的前景。
https://librerank-community.github.io/slides-recsys22-tutorial-neuralreranking.pdf
讲者:
更多教程,可访问:
https://github.com/hongleizhang/RSPapers#Tutorials