这一篇发表于2021年KDD上检索方向的文章，继承了Facebook论文一贯的工业风格。让我感触颇深的有两点。第一是文中那句
在！
论文链接： https://datajobs.com/data-science-repo/Recommender-Systems-%5BNetflix%5D.pdf这一篇由雅虎研究院和AT&T公司联合发表在IEEE的文章，翻开了推荐系统新的篇章。该团队提出使用矩阵分解（Matrix Factoriztion）的技术来实现商品推荐，而帮助MF算法一炮成名的舞台则是Netflix Prize
FM模型发表于2010年，它灵活好用且易部署。作者行文极其流畅，作者首先对要处理的问题进行介绍，接着作者提出FM模型，这个模型与SVM的关键区别在于FM模型在稀疏数据上具备更好的性能。FM模型的底层思想就是用特征向量（可以看出本文已经初步具备embedding的思想）的点积代替简单的权重从而得到更好的权重表示，这种思想巧妙地绕开了稀疏数据的影响。现在FM模型仍然在搜推行业上发挥作用，对于业务刚起步
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号
