腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

腾讯技术工程官方号的专栏

专栏作者

1090

文章

2414946

阅读量

887

订阅数

东北大学-腾讯微信看一看团队ACM RecSys2023最佳短文解读

推荐系统微信 acm 腾讯优化

全球推荐系统领域顶级会议ACM RecSys于9月18-22日在新加坡举行。东北大学与腾讯微信看一看团队针对推荐系统中用户留存优化的最新研究论文“Interpretable User Retention Modeling in Recommendation” 获得大会最佳短文奖（Best Short Paper Award）。该论文由入选2022犀牛鸟精英人才计划的丁蕊同学在学界导师杨晓春教授和微信看一看谢若冰高级研究员的联合培养下主要完成。

腾讯技术工程官方号

2023-10-27

6100

生成式推荐系统初探

推荐系统论文模型排序数据

随着 ChatGPT 的横空出世与 GPT-4 的重磅登场，生成式 AI（Generative AI）引起了前所未有的关注，基于 GPT（Generative Pre-Trained Transformer）的模型在各类 NLP 和 CV 任务上取得了惊人的效果。生成式 AI 模型可以根据训练过的数据创建新的内容、模式或解决方案，一些典型应用包括 ChatGPT、Stable Diffusion 和 DALL·E 等（封面图片来自 DALL·E）。然而，在推荐系统（RS）领域研究中，受限于推荐系统 User/Item ID 的范式，以及大多情况下为非通用、非常识知识，因而直接将基于 GPT 的模型作为推荐模型具有一定的局限性。例如，在电影、图书和音乐等领域推荐场景直接将 ChatGPT 作为推荐模型可以取得较好的效果，然而，在其他一些领域推荐场景直接利用 ChatGPT 效果有限。随着各类生成式模型层出不穷，部分研究人员开始考虑如何在 RS 中有效引入生成式 AI。本文主要关注 RS 和生成式 AI 可能存在的结合点，调研了 RecSys'23 等会议录用的若干相关工作，以及最新已公开的若干方法。

腾讯技术工程官方号

2023-08-16

7820

东南亚版“QQ 音乐”：JOOX 的音乐推荐重构之路

推荐系统 embedding 模型音频重构

JOOX 是一个在国内低调，在海外尤其是东南亚地区却可以和 Spotify、YouTube Music 等知名大厂形成市场份额五五开的音乐播放产品。

腾讯技术工程官方号

2023-07-26

4490

腾讯首篇以第一单位入选OSDI的论文，有了！

微信推荐系统编程算法

作为计算机系统界的“奥斯卡”，第16届OSDI（Operating Systems Design and Implementation）已于日前召开，并正式公布了“年度最佳名单”（论文接收名单）。其中，微信团队《Ekko: 超大规模推荐系统的模型低延时更新方案》论文成功入选，这也是腾讯首次以第一单位于该会议发表论文。（论文可点击文末“阅读原文”查看） OSDI是计算机系统领域最顶级的学术会议之一，汇集了全球计算机科学家们对于计算机系统的前瞻性思考。OSDI汇集了来自学术界和工业界的顶尖开发人员和研究人员，

腾讯技术工程官方号

2022-08-26

1.1K0

微信看一看实时相关推荐介绍

腾讯云开发者社区推荐系统微信

作者：谢若冰，腾讯微信研究员在推荐系统中，用户在一个时间段经常会关注同一个主题。当用户读完一篇文章时，他往往会想要继续阅读和这篇文章相关的拓展文章。然而，传统的推荐系统feed流难以提供这种深度的拓展阅读（相关阅读）功能。这是由于考虑到推荐系统多样性和兴趣试探的要求，主推荐流中的文章往往是经过多种推荐/召回逻辑组成的，代表了用户的不同（潜在）兴趣，很少会出现同一个主题的文章连续出现的情况。在这类工作中，我们提出了一种新的任务——相关推荐（relevant recommendation sugge

腾讯技术工程官方号

2021-04-09

1.2K0

腾讯看点投放系统介绍：推荐系统的进化伙伴

信息流大数据推荐系统

大家好，我叫陈鹏，来自腾讯。前三位老师讲得都很有深度，干货满满。相比于前三位老师的深度，我今天分享的主题将会轻松一些，主要跟大家介绍腾讯看点在投放系统的探索，没有学术和深刻的原理，也没有目录，这里只有故事，跟着我的 PPT 一起开启一段故事吧。在介绍投放系统之前，我想做个简单的调查，有多少人用过信息流产品？比如腾讯看点、今日头条等等。还挺多，那再问一下，在浏览信息流的时候，有多少人看到过令自己反感的内容？发现刚刚举手的同学基本也都举了手。这说明信息流中出现低质内容还是件挺常见的事，那该如何解决呢？这

腾讯技术工程官方号

2020-09-08

1.2K0

微信「看一看」朋友在看的增强推荐系统

推荐系统微信腾讯云开发者社区网站

本文基于ECML-PKDD-2020论文《Social Influence Attentive Neural Network for Friend-Enhanced Recommendation》，论文作者是北京邮电大学、腾讯微信、新加坡管理大学的陆元福、谢若冰、石川、方元、王伟、张旭和林乐宇。导读随着在线社交网络的兴起，许多社交应用程序中出现了一种新的基于社交的推荐方式，微信看一看推荐系统中的朋友在看就是其代表应用之一。在本文中，我们将微信看一看的朋友在看推荐称为“好友增强型推荐（Friend-

腾讯技术工程官方号

2020-09-01

1.1K0

为什么微信推荐这么快？

微信推荐系统

作者：sauronzhang、flashlin、fengshanliu，微信后台开发工程师 1. 背景在一些推荐系统、图片检索、文章去重等场景中，对基于特征数据进行 k 近邻检索有着广泛的需求：支持亿级索引的检索，同时要求非常高的检索性能；支持索引的批量实时更新；支持多模型、多版本以灵活开展 ABTest 实验；支持过滤器、过期删除以排除不符合特定条件的数据。在经过调研后，发现已有的解决方案存在以下问题：在学术界中，已经存在有成熟并开源的 ANN 搜索库，然而这些搜索库仅仅是作为单机

腾讯技术工程官方号

2020-07-24

2.4K0

腾讯在信息流内容理解技术上的解决方案

推荐系统知识图谱内容理解大数据

作者：weidongguo，腾讯 PCG 应用研究员。目前信息流推荐中使用的内容理解技术，主要有两部分构成：1、门户时代和搜索时代遗留的技术积累：分类、关键词以及知识图谱相关技术；2、深度学习带来的技术福利：embedding。但是分类对于兴趣点刻画太粗，实体又容易引起推荐多样性问题，而 embedding 技术又面临难以解释的问题。本文主要介绍在信息流推荐中，PCG 是如何做内容理解克服上述问题的。项目背景内容理解技术演进门户时代：1995~2002 年，主要代表公司：Ya

腾讯技术工程官方号

2020-01-08

1.2K0

「推荐系统」领域的最新进展你知道么？

特征工程推荐系统

本文作者：腾讯微信支付算法研究员介绍工业界通用推荐系统包括两个阶段的流程，匹配（match）和排序（rank）。在匹配的过程中主要是根据用户的一些兴趣点，找到可能感兴趣的潜在商品集。由于整个商品集的海量性，对实时访问的用户去计算他对全部商品的感兴趣程度是不实际的，所以需要预先根据一些兴趣、特征策略等来寻找用户可能感兴趣的潜在商品集，在此基础上，再根据特定的模型算法来进行商品集兴趣分深层排序，效果指标往往通过点击率（Click Trough Rate）、转化率、时长等来量化，所以 rank 阶段的主

腾讯技术工程官方号

2019-12-06

6020

腾讯重磅发布全栈机器学习平台Angel 3.0

spark 编程算法推荐系统 pytorch https

腾讯首个AI开源项目Angel，正式发布一个里程碑式的版本：Angel 3.0。这是一个全栈的机器学习平台，功能特性涵盖了机器学习的各个阶段，超过50万行代码，在 GitHub 上 Star 数已超过 4200，Fork 数超过 1000。一个全栈的机器学习平台，近日悄悄上线了。 8月22日，腾讯首个AI开源项目Angel正式发布一个里程碑式的版本：Angel 3.0。 Angel 3.0尝试打造一个全栈的机器学习平台，功能特性涵盖了机器学习的各个阶段：特征工程，模型训练，超参数调节和模型服务。

腾讯技术工程官方号

2019-08-28

3K0

实践篇 | 推荐系统之矩阵分解模型

腾讯云开发者社区大数据编程算法推荐系统神经网络

导语：本系列文章一共有三篇，分别是《科普篇 | 推荐系统之矩阵分解模型》《原理篇 | 推荐系统之矩阵分解模型》《实践篇 | 推荐系统之矩阵分解模型》第一篇用一个具体的例子介绍了MF是如何做推荐的。第二篇讲的是MF的数学原理，包括MF模型的目标函数和求解公式的推导等。第三篇回归现实，讲述MF算法在图文推荐中的应用实践。下文是第三篇——《实践篇 | 推荐系统之矩阵分解模型》，敬请阅读。本文是MF系列文章中的最后一篇，主要讲的是MF算法在图文推荐中的应用实践。无论是在召回层还是精排层，MF都有发挥

腾讯技术工程官方号

2019-06-10

1.5K1

原理篇 | 推荐系统之矩阵分解模型

编程算法推荐系统

导语：本系列文章一共有三篇，分别是《科普篇 | 推荐系统之矩阵分解模型》《原理篇 | 推荐系统之矩阵分解模型》《实践篇 | 推荐系统之矩阵分解模型》第一篇用一个具体的例子介绍了MF是如何做推荐的。第二篇讲的是MF的数学原理，包括MF模型的目标函数和求解公式的推导等。第三篇回归现实，讲述MF算法在图文推荐中的应用实践（将于后续发布）。下文是第二篇——《原理篇 | 推荐系统之矩阵分解模型》，敬请阅读。上一篇我们用一个简单的例子讲述了矩阵分解(Matrix Factorization, MF)是如

腾讯技术工程官方号

2019-06-06

3K2

科普篇 | 推荐系统之矩阵分解模型

推荐系统编程算法

导语：本系列文章一共有三篇，分别是《科普篇 | 推荐系统之矩阵分解模型》《原理篇 | 推荐系统之矩阵分解模型》《实践篇 | 推荐系统之矩阵分解模型》第一篇用一个具体的例子介绍了MF是如何做推荐的。第二篇讲的是MF的数学原理，包括MF模型的目标函数和求解公式的推导等。第三篇回归现实，讲述MF算法在图文推荐中的应用实践。三篇文章由浅入深，各有侧重，希望可以帮助到大家。下文是第一篇——《科普篇 | 推荐系统之矩阵分解模型》，第二篇和第三篇将于后续发布，敬请期待。矩阵分解(Matrix Factor

腾讯技术工程官方号

2019-06-05

15.1K0

深度召回模型在QQ看点推荐中的应用实践

腾讯云开发者社区大数据推荐系统学习方法 python

导语：最近几年来，深度学习在推荐系统领域中取得了不少成果，相比传统的推荐方法，深度学习有着自己独到的优势。我们团队在QQ看点的图文推荐中也尝试了一些深度学习方法，积累了一些经验。本文主要介绍了一种用于推荐系统召回模块的深度学习方法，其出处是Google在2016年发表于RecSys的一篇用于YouTube视频推荐的论文。我们在该论文的基础上做了一些修改，并做了线上AB测试，与传统的协同召回做对比，点击率等指标提升明显。为了系统的完整性，在介绍主模型前，本文先对传统推荐算法和召回算法做一些简单的介绍和

腾讯技术工程官方号

2019-05-16

6320

深度召回模型在QQ看点推荐中的应用实践

腾讯云开发者社区大数据推荐系统学习方法 python

导语：最近几年来，深度学习在推荐系统领域中取得了不少成果，相比传统的推荐方法，深度学习有着自己独到的优势。我们团队在QQ看点的图文推荐中也尝试了一些深度学习方法，积累了一些经验。本文主要介绍了一种用于推荐系统召回模块的深度学习方法，其出处是Google在2016年发表于RecSys的一篇用于YouTube视频推荐的论文。我们在该论文的基础上做了一些修改，并做了线上AB测试，与传统的协同召回做对比，点击率等指标提升明显。

腾讯技术工程官方号

2019-03-09

13.6K0

协同过滤在新闻推荐CTR预估中的应用

编程算法推荐系统

作者简介：minlonglin，AI平台部Y项目组员工。2012年毕业于中国科学技术大学计算机科学与技术学院，读博期间主攻集成学习、类别不平衡分类等方向，期间曾在IEEE Transactions on Neural Networks and Learning Systems发表类别不平衡分类的相关论文。此前在TEG\内部搜索平台部(现改名为AI平台部)\智能算法组从事新闻推荐的点击率预估相关工作，现在AI平台部Y项目组，从事自然语言处理相关工作。概述协同过滤算法是推荐系统中的最基本的算法，该算法不仅

腾讯技术工程官方号

2018-01-29

1.8K0

没有更多了

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态