京东推荐算法精排技术实践 原创 mb62de005a9a82e 2022-11-16 09:31:10 ©著作权 文章标签 算法 编程语言 人工智能 python 大数据 文章分类 数据结构与算法 人工智能 ©著作权归作者所有:来自51CTO博客作者mb62de005a9a82e的原创作品,请联系作者获取转载授权,否则将追究法律责任 本次分享共包含如下四大部分:1、业务&场景;2、多目标优化;3、用户行为序列建模;4、多模态特征。 关注我们 赞 收藏 评论 分享 举报 上一篇:推荐系统系列教程之十三:如果关注排序效果,那么这个模型可以帮到你 下一篇:基于多视角学习和个性化注意力机制的新闻推荐(附论文下载链接) 提问和评论都可以,用心的回复会被更多人看到 评论 发布评论 全部评论 () 最热 最新 相关文章 复杂SQL治理实践 | 京东物流技术团队 一、前言软件在持续的开发和维护过程中,会不断添加新功能和修复旧的缺陷,这往往伴随着代码的快速增长和复杂性的提升。若代码库没有得到良好的管理和重构,就可能积累大量的技术债务,包括不一致的设计、冗余代码、过时的库和框架以及不再使用的功能。这些因素都会导致软件结构的脆弱,增加系统出错的可能性,我们俗称为“代码腐化”,持续性的重构是一种好的解决方案。SQL也是我们常用的代码语言,虽然SQL本身作为一种标准 ci SQL 子查询 DDD落地实践-架构师眼中的餐厅 | 京东云技术团队 本文以餐厅场景为叙事主线,以领域驱动为核心思想,结合架构设计与功能设计方法论。是从领域分析到落地的全过程案例,内容偏重于落地,因此不乏一些探讨,欢迎指正。文章较长、全程干货、耐心读完、必有收获。本文不针对餐厅的实现细节,重在探讨设计思想和方法。1、领域设计让我们抛开技术人员的本能技术视角、站在纯业务视角来分析领域问题。领域设计的核心是分而治之,目的是实现业务领域的自治性。就像你平时不会将枕头和被子 用例 领域模型 业务逻辑 日志框架简介-Slf4j+Logback入门实践 | 京东云技术团队 前言随着互联网和大数据的迅猛发展,分布式日志系统和日志分析系统已广泛应用,几乎所有应用程序都使用各种日志框架记录程序运行信息。因此,作为工程师,了解主流的日志记录框架非常重要。虽然应用程序的运行结果不受日志的有无影响,但没有日志的应用程序是不完整的,甚至可以说是有缺陷的。优秀的日志系统可以记录操作轨迹、监控系统运行状态和解决系统故障。Java 日志框架进化史早期 Java 日志框架没有制定统一的标 日志框架 sed Logging 京东LBS推荐算法实践 现有的同城购业务围绕京东即时零售能力搭建了到店、到家两种业务场景。同城业务与现有业务进行互补,利用高频,时效性快的特点,可以有效提升主站复访复购频次,是零售的重要战略方向。 类目 链路 推荐系统 LBS算法 推荐算法 推荐系统[八]算法实践总结V2:排序学习框架(特征提取标签获取方式)以及京东推荐算法精排技术实战 「排序学习(Learning to Rank,LTR)」,也称「机器排序学习(Machine-learned Ranking,MLR)」 ,就是使用机器学习的技术解决排序问题。自从机器学习的思想逐步到信息检索等领域之后,如何利用机器学习来提升信息检索的性能水平变成了近些年来非常热门的研究话题,因此产生了各类基于机器学习的排序算法,也带来了搜索引擎技术的成熟和发展,如今,Learning to Rank已经成为搜索、推荐和广告领域非常重要的技术手段。 推荐系统 精排算法 推荐算法 个性化推荐 自然语言处理 【实践】快手推荐系统精排模型实践.pdf(附下载链接) 今天给大家带来快手社区科学部资深推荐算法工程师牛亚男所做的分享《快手推荐系统精排模型实践.pdf》,关注快手推荐系统、排序架构、精排、推荐策略的伙伴别错过了,本次分享共包含如下七大部分:1、快手推荐系统;2、CTR模型-PPNet;3、多domain多任务学习框架;4、短期行为序列建模;5、长期行为序列建模;6、千亿特征,万亿参数模型;本PPT已收录到小程序省时查报告中,大家可以到省时查报告小程序 算法 编程语言 python 人工智能 机器学习 【实践篇】推荐算法PaaS化探索与实践 | 京东云技术团队 目前,推荐算法部支持了主站、企业业务、全渠道等20+业务线的900+推荐场景,通过梳理大促运营、各垂直业务线推荐场景的共性需求,对现有推荐算法能力进行沉淀和积累,并通过算法PaaS化打造通用化的推荐能力,提升各业务场景推荐赋能效率,高效赋能业务需求。 PaaS 推荐算法 推荐1个电商场景中精排服务实践项目 一、精排服务框架推荐系统架构中,包括推荐引擎、召回服务、频控服务、粗排服务、排序服务、机制服务。框架流程图: 服务器 机器学习 系统架构 京东推荐广告算法负责人详解京东电商推荐系统的应用实践 今天给大家带来京东推荐广告算法负责人彭长平先生分享的《京东电商推荐系统的应用实践》。数字化信息时代,推荐系统已成为To C互联网产品的标配技术,而推荐算法对于业务收益的提升也起到了至关重... 社会时事 【实践】GPU在外卖场景推荐系统精排模型预估中的应用实践 猜你喜欢0、2022年人才市场洞察及薪酬指南1、【免费下载】2022年1月份 算法 大数据 编程语言 机器学习 人工智能 京东电商推荐系统实践 今天为大家分享下京东电商推荐系统实践方面的经验,主要包括:简介排序模块实时更新召回和首轮排序实验平台▌简介说到推荐系统,最经典的就是协同过滤,上图是一个协同过滤的例子。协同过滤主要分为俩种:user-based基于用户的协同过滤和item-based基于商品的协调过滤。但是,现在绝大多数推荐系统都不会直接使用协同过滤来做推荐。目前主要用的是learningtorank框架。这里,是推荐系统的框架, java 美团技术团队博客:推荐算法实践 前言推荐系统并不是新鲜的事物,在很久之前就存在,但是推荐系统真正进入人们的视野,并且作为一个重要的模块存在于 数据 线性模型 重排序 【推荐实践】强化学习算法在京东广告序列推荐场景的应用 今天给大家带来京东零售商业提升事业部-广告质量部-推荐组赵鑫博士所做的分享《强化学习算法在京东广告序列推荐场景的应用.pdf》,关注强化学习、广告、推荐系统/算法等的伙伴们别错过啦!(到小程序省时查报告中搜索“推荐”、“算法”、“实践”、“广告”等关键词可查看并下载海量相关干货资料)本次分享共包含如下四大部分:1、推荐广告排序;2、Context-aware CTR重预估;3、基于强化学习的序列优 算法 腾讯 编程语言 人工智能 python 推荐系统精排:看阿里妈妈再试线性模型 文 | 水哥saying1.科学总是要求我们有深度,但在实际业务中这却是一条悖论:越有深度的事情往往投入产出比不够高2.当我有一个方法A,还有一个方法B。且B的某种简单形式就是A的时候,我就会很快乐,因为这时候B获取提升是很自然的3.MoE有点像火影里的影分身之术,看着人很多,但是里面混的,弱的也很多。实际发挥作用的可能就旁边那两个帮着搓丸子的在早期的LR中,稀疏性确实是一个很重要的要求。上一讲里 神经网络 机器学习 人工智能 深度学习 java 京东Flink优化与技术实践 分享嘉宾:付海涛 京东 高级技术专家编辑整理:赵明明出品平台:DataFunTalk导读:Flink是目前流式处理领域的热门引擎,具备高吞吐、低延迟的特点,在实时数仓、实时风控、实时推荐等多个场景有着广泛的应用。京东于2018年开始基于Flink+K8s深入打造高性能、稳定、可靠、易用的实时计算平台,支撑了京东内部多条业务线平稳度过618、双11多次大促。本次讲演将分享京东Flink计算平台在容器 java 召回 粗排 精排,如何各司其职? 文 | 水哥saying1.AB测试几乎是系统改进的不二法则,算法做AB,开发做AB,产品做AB,运营更要做AB2.召回有点像一个甩锅侠,我不管我给的准不准,我就管我把潜在的能投的都吃进来就行3.其他环节想要提升,除了自身确实有改进,也要和精排相似。太超前的改进注定会被精排这个旧势力打压4.粗排非常容易照本宣科,明明实际结果已经说明不需要粗排。内心的惯性还是让人留着它前两讲从比较宽的范围讲了一 广告 机器学习 python java 算法 前端CodeReivew实践 | 京东云技术团队 把Code Review变成一种开发文化而不仅仅是一种制度把Code Review 作为开发流程的必选项后,不代表Code Review这件事就可以执行的很好,因为Code Review 的执行,很大部分程度上依赖于审查者的认真审查,以及被审查者的积极配合,两者缺一不可!如果仅仅只是当作一个流程制度,那么就可能会流于形式。最终结果就是看起来有Code Review,但没有人认真审查,随便看下就通过 Code 文件结构 开发人员 代码评审 强化学习算法在京东广告序列推荐场景的应用实践 今天给大家带来京东零售-商业提升事业部-广告质量部-推荐组赵鑫所做的分享《强化学习算法在京东广告序列推荐场景的应用.pdf》,对电商推荐、强化学习及其在推荐系统中的应用感兴趣的伙伴别错过了!本次分享共包含如下四大部分:1、推荐广告排序;2、Context-aware CTR重预估;3、基于强化学习的序列优化;4、会话级别广告拍卖机制优化。本PPT已收录到小程序省时查报告中,大家可以到省时查报告小程 算法 编程语言 人工智能 python 大数据 DDD技术方案落地实践 | 京东云技术团队 1. 引言从接触领域驱动设计的初学阶段,到实现一个旧系统改造到DDD模型,再到按DDD规范落地的3个的项目。对于领域驱动模型设计研发,从开始的各种疑惑到吸收各种先进的理念,目前在技术实施这一块已经基本比较成熟。在既往经验中总结了一些在开发中遇到的技术问题和解决方案进行分享。因为DDD的建模理论及方法论有比较成熟的教程,如《领域驱动设计》,这里我对DDD的理论部分只做简要回顾,如果需要了解DDD建模 值对象 领域模型 数据 召回粗排精排-级联漏斗(上) 文 | 水哥saying1. 把点击多的item曝光提升是推荐模型的基本能力,也是基本要求。后验不好的曝光提高也可能是好模型,后验好的曝光不提高,可以开除推荐模型了2. 在起量阶段,各路item需要争宠,谁能最快博取精排的欢心,谁就有可能在冷启动阶段占据压倒性优势3. 广告主很像dota教练,他们深信一个原则:阵容(素材)没问题,下把干(投放)回来4. 粗排没别的任务,就是向上管理上一讲我们提到, 人工智能 算法 java python 大数据 redis 跳表查询流程 一、什么是跳表? 为一个值有序的链表建立多级索引,比如每2个节点提取一个节点到上一级,我们把抽出来的那一级叫做索引或索引层。如下图所示,其中down表示down指针,指向下一级节点。以此类推,对于节点数为n的链表,大约可以建立log2n-1级索引。像这种为链表建立多级索引的数据结构就称为跳表。二、跳表的时间复杂度?1.计算跳表的高度 如果链表有n个节点,每2个节点抽取抽出一个节点作为上一级索引 redis 跳表查询流程 redis 链表 数据结构 数据 如何在bin文件夹里打开MySQL数据库 一 日志文件1、错误日志:Error Log 错误日志记录了MyQL Server运行过程中所有较为严重的警告和错误信息,以及MySQLServer 每次启动和关闭的详细信息。在默认情况下,系统记录错误日志的功能是关闭的, 错误信息被输出到标准错误输出(stderr) ,如果要开启系统记录错误日志的功能,需要在 启动时开启-log-error 选项。错误日志的默认存放位置在数据目录下,以hostn mysql 数据库 mysql数据库物理文件 MySQL Java 通过注解实现接口调用次数限制 一、使用注解则不需要创建映射配置文件:即xxxDao.xmljavaBean为什么要实现Serializable接口? Java的"对象序列化"能让你将一个实现了Serializable接口的对象转换成一组byte,这样日后要用这个对象时候,你就能把这些byte数据恢复出来,并据此重新构建那个对象了。这一点甚至在跨网络的环境下也是如此,这就意味着序列化机制能自动补偿操作系统方面的差异。也就是说, Java 通过注解实现接口调用次数限制 java 操作系统 配置文件 xml kafka监测心跳多长时间重平衡 写在前面通过前面对producer、服务端源码的剖析,consumer很多地方和前面类似,这里简单概述即可kafka版本:kafka-0.10.0.1。学习计划:四月份完成kafka源码的分析,也算对kafka的基础知识点有了简单的回顾。 五月份:回到Flink篇章,这次重点了解资源调度、webui等相关基本的知识点,目的为后面自己编写Flink代码,如何分析调优,观察执行情况准备;一个小的任务: kafka监测心跳多长时间重平衡 kafka 学习 分布式 Group java中抽象语法树是什么 抽象语法树(Abstract Syntax Tree)也称为AST语法树,指的是源代码语法所对应的树状结构。也就是说,对于一种具体编程语言下的源代码,通过构建语法树的形式将源代码中的语句映射到树中的每一个节点上。 JavaScript语法解析 什么是语法树 可以通过一个简单的例子来看语法树具体长什么样子。有如下代码: 我们可以发现,程序代码本身可 java中抽象语法树是什么 语法树 函数调用 函数声明