2020年终大会-推荐算法：3-1.pdf

编号：29855

PDF 19页 5.28MB 下载积分：VIP专享

下载报告请您先登录！

2020年终大会-推荐算法：3-1.pdf

1、深度树匹配召回体系演进阿里妈妈广告产品技术事业部卓靖炜检索召回技术现状深度树匹配（TDM）技术演进 TDM业务应用实践总结与展望分享大纲互联网业务中检索技术的发展检索技术是搜索、推荐和广告的通用底层技术，是数据、算力和算法相辅相成数据的扩张遇上算力的局限，产生了分阶段Match & Rank的算法体系 Match的核心问题：从大规模候选集合高效检索topK 单点计算消耗所需计算次数系统性能边界 Enormous MatchRank All ItemsInterest Items Retrieval tens+thousands+millions+ 两段式Match的经典实现

2、经典实现：基于商品的协同过滤(Item-based Collaborative Filtering, Item-CF) 也即 User-Item = User-Trigger Item Trigger Item-Item (I2I)。 Phase 1Phase 2 2. 获取历史行为 Trigger Item 3. 扩展&计算得到TopK相似Item 1. 离线计算I2I相似关系两阶段无法联合优化截断导致效果受限模型简单，实现成本低优势问题两段式检索一段式全库检索内积模型向量检索基于用户&商品特征的Embedding计算内积相似度，集合召回-单点打分&分类 1. 受限于内

3、积，模型能力存在局限面向全库的一段式检索，具有一定的发现能力优势问题 Ux Cm Imk 1. 离线学习Item Embedding(IE) 2. 离线基于聚类&乘积量化构建索引 3. 实时计算User Embedding(UE)，在索引中查找UE最近邻K个IE 2. 索引构建与检索目标的优化方向不一致联合优化？ l 索引构建的优化目标：最小化近似误差 l 向量检索的优化目标：最大化TopK召回率 1部分数据来自Deep Interest Evolution Network for Click-Through Rate Prediction-AAAI 2019 深度树匹配 1，如何基于树实现高效检索？ 2，如何做兴趣建模保证树检索有效性？ 3，如何学习兴趣模型？ 4，如何构建和优化树索引结构？ 10亿商品库挑Top1 10亿次-30次树的效率模型能力的升级，需要相应的索引结

友情提示

1、下载报告失败解决办法
2、PDF文件下载后，可能会被浏览器默认打开，此种情况可以点击浏览器菜单，保存网页到桌面，就可以正常下载了。
3、本站不支持迅雷下载，请使用电脑自带的IE浏览器，或者360浏览器、谷歌浏览器下载即可。
4、本站报告下载后的文档和图纸-无水印,预览文档经过压缩，下载后原文更清晰。

本文（2020年终大会-推荐算法：3-1.pdf）为本站（X-iao）主动上传，三个皮匠报告文库仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对上载内容本身不做任何修改或编辑。若此文所含内容侵犯了您的版权或隐私，请立即通知三个皮匠报告文库（点击联系客服），我们立即给予删除！

温馨提示：如果因为网速或其他原因下载失败请重新下载，重复下载不扣分。