首页
学习
活动
专区
工具
TVP
发布

机器之心

专栏作者
8943
文章
6288245
阅读量
277
订阅数
为什么普通人「出圈」,都在小红书?
出差期间,我在酒店百无聊赖地打开了小红书。一篇看似平淡无奇的笔记吸引了我的注意——一位 ID 叫「倚着彩虹看夕阳」的用户发帖,说自己在酒店的床上看西游记时,感觉到前所未有的放松。
机器之心
2024-01-17
4340
Agent4Rec来了!大模型智能体构成推荐系统模拟器,模拟真实用户交互行为
一直以来,推荐系统领域面临模型线上线下效果差距大的痛点问题,昂贵的线上 A/B 测试成本使得广大研究人员望而却步,也造成学术界的推荐系统研究与工业界的实际应用间的巨大割裂。随着大语言模型展现出类人的逻辑推理和理解能力,基于大语言模型的智能体(Agent)能否模拟真实用户的交互行为,从而构建一个可靠的虚拟推荐 A/B 测试场景,以帮助推荐研究的应用落地,是一个急迫、重要且极具经济价值的问题。
机器之心
2023-11-16
2250
SIGIR 2023 | 推荐系统何去何从,经典ID范式要被颠覆?
机器之心专栏 机器之心编辑部 本文调查了一个富有潜力的问题,即多模态推荐系统MoRec 是否有望终结 IDRec 在推荐系统领域长达10年的主导地位,基于此,论文进行了深入研究。相关成果已被 SIGIR 2023 接收。 链接: https://arxiv.org/abs/2303.13835 代码: https://github.com/westlake-repl/IDvs.MoRec 研究背景  [纯 ID 推荐系统 vs 纯模态推荐系统]  自矩阵分解问世以来,使用 ID embedding 来建模
机器之心
2023-05-31
4610
WWW 2023|快手:通过强化学习提升用户留存
机器之心专栏 机器之心编辑部 短视频推荐系统的核心目标是通过提升用户留存,牵引 DAU 增长。因此留存是各APP的核心业务优化指标之一。然而留存是用户和系统多次交互后的长期反馈,很难分解到单个 item 或者单个 list,因此传统的 point-wise 和 list-wise 模型难以直接优化留存。 强化学习(RL)方法通过和环境交互的方式优化长期奖励,适合直接优化用户留存。该工作将留存优化问题建模成一个无穷视野请求粒度的马尔科夫决策过程(MDP),用户每次请求推荐系统决策一个动作(action),用于
机器之心
2023-05-01
4990
高效利用多级用户意图,港科大、北大等提出会话推荐新模型Atten-Mixer
机器之心专栏 作者:罗昊京 Atten-Mixer 模型的研究论文获得了 WSDM2023 最佳论文荣誉提名。 推荐系统作为一种智能化的信息过滤技术,已在实际场景中得到广泛的应用。然而,推荐系统的成功往往建立在大量的用户数据之上,而这些数据可能涉及用户的私密和敏感信息。在用户信息受到隐私保护限制或无法获取的场景下,传统的推荐系统往往难以发挥良好的效果。因此,如何在保证隐私安全性的前提下,构建可信赖的推荐系统,是一个亟待解决的问题。 近年来,随着用户对自身隐私的重视程度不断提高,越来越多的用户倾向于在使用在线
机器之心
2023-04-21
1920
Wide&Deep、DCN、xDeepFM、DIN、GateNet、IPRec…你都掌握了吗?一文总结推荐系统必备经典模型(三)
 机器之心专栏 本专栏由机器之心SOTA!模型资源站出品,每周日于机器之心公众号持续更新。 本专栏将逐一盘点自然语言处理、计算机视觉等领域下的常见任务,并对在这些任务上取得过 SOTA 的经典模型逐一详解。前往 SOTA!模型资源站(sota.jiqizhixin.com)即可获取本文中包含的模型实现代码、预训练模型及 API 等资源。 本文将分 3 期进行连载,共介绍 18 个在推荐系统任务上曾取得 SOTA 的经典模型。 第 1 期:DSSM、Youtube_DNN、SASRec、PinSAGE、TDM
机器之心
2023-04-06
7060
7 Papers & Radios | 甩笔机器人获IROS 2020最佳论文奖;UW实时高分辨率背景抠图
机器之心 & ArXiv Weekly Radiostation 参与:杜伟、楚航、罗若天 本周的重要论文包括上海交大与 MIT 的联合项目 SwingBot 以及华盛顿大学升级版背景抠图 background matting 方法。 目录: SwingBot: Learning Physical Features from In-hand Tactile Exploration for Dynamic Swing-up Manipulation Point Transformer Canonical C
机器之心
2023-03-29
3510
线上分享 | 如何让推荐系统效果更好?微信看一看团队为TF引入动态Embedding组件
推荐系统是机器学习的一大主要应用,旨在根据用户偏好推送相关内容,比如推荐电影餐厅、搭配时装首饰或筛选媒体信息流等。近年来,随着RNN等诸多深度学习(DL)组件和在线学习策略被引入推荐系统,DiFacto等特定的推荐系统框架逐渐无法满足用户需求。基于此,越来越多的算法工程师转向使用TensorFlow等开源的通用型框架提升生产效率。 在推荐系统领域,Embedding 已成为处理 ID 类稀疏特征的常用手段。作为一种「函数映射」,Embedding通常将高维稀疏特征映射为低维稠密向量,再进行模型端到端训练。
机器之心
2023-03-29
7470
DSSM、Youtube_DNN、SASRec、PinSAGE…你都掌握了吗?一文总结推荐系统必备经典模型(一)
 机器之心专栏 本专栏由机器之心SOTA!模型资源站出品,每周日于机器之心公众号持续更新。 本专栏将逐一盘点自然语言处理、计算机视觉等领域下的常见任务,并对在这些任务上取得过 SOTA 的经典模型逐一详解。前往 SOTA!模型资源站(sota.jiqizhixin.com)即可获取本文中包含的模型实现代码、预训练模型及 API 等资源。 本文将分 3 期进行连载,共介绍 18 个在推荐系统任务上曾取得 SOTA 的经典模型。 第 1 期:DSSM、Youtube_DNN、SASRec、PinSAGE、TDM
机器之心
2023-03-29
1.1K0
PinnerSAGE、ENSFM、MHCN、FFM…你都掌握了吗?一文总结推荐系统必备经典模型(二)
 机器之心专栏 本专栏由机器之心SOTA!模型资源站出品,每周日于机器之心公众号持续更新。 本专栏将逐一盘点自然语言处理、计算机视觉等领域下的常见任务,并对在这些任务上取得过 SOTA 的经典模型逐一详解。前往 SOTA!模型资源站(sota.jiqizhixin.com)即可获取本文中包含的模型实现代码、预训练模型及 API 等资源。 本文将分 3 期进行连载,共介绍 18 个在推荐系统任务上曾取得 SOTA 的经典模型。 第 1 期:DSSM、Youtube_DNN、SASRec、PinSAGE、TDM
机器之心
2023-03-29
4230
关于AGI与ChatGPT,Stuart Russell与朱松纯这么看
机器之心专栏 机器之心编辑部 2023 年 2 月 13 日 AAAI SafeAI 研讨会上,加州大学伯克利分校教授 Stuart Russell 和北京通用人工智能研究院(BIGAI)朱松纯教授针对 “通用人工智能、人工智能安全” 等问题进行了一场精彩对话,本场对话由加州大学伯克利分校人类兼容人工智能中心(CHAI)执行主任 Mark Nitzberg 博士主持。 Mark Nitzberg:今天我们很荣幸邀请到两位人工智能的顶级专家来参与本次 SafeAI 研讨会。 他们分别是:Stuart Rus
机器之心
2023-02-28
5030
覆盖四种场景、包含正负向反馈,腾讯、西湖大学等发布推荐系统公开数据集Tenrec
近些年来,通过各种内容平台浏览视频或者是阅读文章的用户越来越多,而现有的推荐算法有时难以很好地建模用户的偏好,因此需要更准确的推荐系统模型。但已知的推荐系统(RS)的基准数据集要么是小规模的,要么是用户反馈形式非常有限。在这些数据集上评估的推荐系统模型往往缺乏实用性,难以为大规模真实场景应用提供足够的价值。
机器之心
2022-12-16
8310
7 Papers & Radios | 扩散模型只用文字PS照片;MIT泊松流生成模型击败扩散模型
论文 1:Fast Charging of Energy-dense Lithium-ion Batteries
机器之心
2022-12-15
4400
移动端部署推荐系统:快手获数据挖掘顶会CIKM 2022最佳论文
获奖论文《Real-time Short Video Recommendation on Mobile Devices》针对短视频推荐场景,传统服务端部署的推荐系统在决策时机和实时特征利用方面的不足问题,通过在移动客户端部署推荐系统来实时响应用户反馈,提高推荐结果的精准度,从而提升用户体验。论文提出的方案 100% 流量部署到了快手短视频推荐生产环境,影响了日均超过 3.4 亿用户的体验,是端上智能在大规模推荐场景落地的创新实践。
机器之心
2022-12-15
6490
KDD 2022 | 快手提出基于因果消偏的观看时长预估模型D2Q,解决短视频推荐视频时长bias难题
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映了推荐的质量,对提升用户粘性意义重大。 业界普遍使用的方法是由 YouTube 在 RecSys 于 2016 年提出来的方法或其变种 [1],然而该方法最开始的提出是基于「点击 - 观看」的长视频场景,在目前无显式点击 Label 的沉浸式浏览模式下并不适用, 同时短视频场景视频本身长度跨度很大,
机器之心
2022-08-25
1.5K0
每秒10亿次更新、实现秒级同步延迟,腾讯深度学习推荐系统首次入选OSDI顶会
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的信息和数据。这时,对个性化和智能化推荐系统(Recommender System)的需求变得日益强烈。这些系统能够有效解决信息过载问题,根据用户历史偏好和约束更精准地推荐个性化物品,从而提升用户体验。而随着深度学习应用的爆发式发展,基于深度学习的推荐得到了越来越多的关注。 深度学习推荐系统(D
机器之心
2022-08-25
3680
一块GPU训练TB级推荐模型不是梦,OneEmbedding性能一骑绝尘
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。 一方面,推荐系统大幅提升了用户体验,另一方面,个性化分发信息更精准、高效,可以帮助平台更准确地匹配用户和信息,大大提高流量变现效率,基于推荐技术的流量变现引擎甚至成就了万亿市值的庞大商业帝国。 从短视频信息流推荐、广告搜索到线上购物,这些应用都构筑于精准的推荐系统之上,背后的核心功臣就是深度学习模型
机器之心
2022-08-25
3730
从机器学习到推荐系统,技术平台全面统一:火山引擎已经发动
机器之心原创 作者:泽南 从自动驾驶到推荐系统,机器学习的开发现在都可以用统一的平台完成了。 不同机器学习任务,用统一的平台实现,速度成倍提升,GPU 调度 0 碎片,这是火山引擎最新开放的技术。 7 月 20 日,火山引擎 FORCE 原动力大会在北京举行。在活动中,品牌发布刚一年的火山引擎公布了一系列最新能力。 在 AI 方面,火山引擎推出了机器学习与智能推荐平台多云部署解决方案。据火山引擎机器学习系统负责人项亮介绍,字节跳动内部抖音、西瓜视频、飞书等不同业务的 AI 训练任务,都基于统一的训练平台提交
机器之心
2022-07-26
8580
清华、人大等机构学者获唯一最佳论文奖,数据挖掘顶会WSDM'22线上召开
机器之心报道编辑:杜伟、小舟 在第 15 届 ACM 国际互联网搜索与数据挖掘大会(WSDM 2022)上,来自清华、人大和中科院计算所的研究者获得了最佳论文奖,时间检验奖花落推荐系统。 2 月 21 日至 25 日,第 15 届 ACM 国际互联网搜索与数据挖掘大会(The 15th International Conference on Web Search and Data Mining,WSDM 2022)在线上召开。 作为数据库 / 数据挖掘类的主要会议之一,WSDM 是由 ACM 所属的信息检
机器之心
2022-03-04
6640
AAAI22奖项公布,9000投稿选出唯一杰出论文,中科院自动化所获Distinguished论文奖
机器之心报道 机器之心编辑部 第 36 届 AAAI 人工智能会议已于 2 月 22 日在线上召开。目前,大会公布了今年的杰出论文奖(1 篇)和提名奖(2 篇),其中来自巴黎第九大学、Meta AI 等机构的研究者凭借推荐系统赢得了 AAAI 2022 杰出论文奖。另外,中科院自动化所博弈学习研究组凭借其研发的轻量型德州扑克 AI 程序 AlphaHoldem 获得了 Distinguished 论文奖(共 6 篇)。 作为全球人工智能顶会之一,2022 年的 AAAI 大会热度又创下了历史新高:大会共收
机器之心
2022-03-04
3050
点击加载更多
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
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档