2. 程式人生 > >深度學習在58同城智慧推薦系統中的應用實踐

深度學習在58同城智慧推薦系統中的應用實踐

阿新 • • 發佈：2019-01-28
在我們的部分推薦場景中帖子圖片比較大，例如優質高清的房源大圖對使用者會有較強的吸引，因此我們考慮將影象特徵引入到排序模型當中，例如將帖子影象轉化成一個特徵向量輸入到排序模型。騰訊2015年在IJCIA上發表的文章《Image Feature Learning for Cold StartProblem in Display Advertising》中就提出了該思路，它首先利用CNN 對影象進行特徵抽取得到特徵向量，然後輸入到LR 等常見模型。針對深度影象特徵的應用，阿里廣告團隊在2016年9月於Multimedia會議上發表的文章《Deep CTR Prediction in Display Advertising
》中提出了全新的端到端的思路（DeepCTR模型），模型結構是一部分利用CNN抽取出影象特徵，一部分使用一個全連線層對連續和離散特徵做embedding，兩者拼接在一起輸入神經網路進行訓練。但在我們的場景下，每天有數百萬的發帖，樣本中圖片數量大，DeepCTR模型離線訓練受CNN限制會很緩慢，並且線上預測時CNN部分也有較大的效能壓力。因此我們轉變了一下思路，嘗試了下圖所示的CNN+DNN模型，在這個模型中，我們使用CNN影象分類模型來做預訓練，生成了每張圖片的特徵向量，然後將影象特徵、離散特徵、連續特徵一起輸入至Wide&Deep中的Deep模型。在我們的場景下，該模型離線AUC相比
base模型有0.01的提升。

相關推薦

深度學習在58同城智慧推薦系統中的應用實踐

在我們的部分推薦場景中帖子圖片比較大，例如優質高清的房源大圖對使用者會有較強的吸引，因此我們考慮將影象特徵引入到排序模型當中，例如將帖子影象轉化成一個特徵向量輸入到排序模型。騰訊2015年在IJCIA上發表的文章《Image Feature Learning for Cold StartProblem in

58同城智慧推薦系統的演進與實踐

58同城作為中國最大的分類資訊網站，向用戶提供找房子、找工作、二手車和黃頁等多種生活資訊。在這樣的場景下，推薦系統能夠幫助使用者發現對自己有價值的資訊，提升使用者體驗，本文將介紹58同城智慧推薦系統的技術演進和實踐。 58同城智慧推薦系統大約誕生於2014年（C++實現

推薦系統遇上深度學習(十六)--詳解推薦系統中的常用評測指標

最近閱讀論文的過程中，發現推薦系統中的評價指標真的是五花八門，今天我們就來系統的總結一下，這些指標有的適用於二分類問題，有的適用於對推薦列表topk的評價。1、精確率、召回率、F1值我們首先來看一下混淆矩陣，對於二分類問題，真實的樣本標籤有兩類，我們學習器預測的類別有兩類，那麼根據二者的類別組合可以劃分為四組

深度學習在美團搜尋廣告排序的應用實踐

一、前言 在計算廣告場景中，需要平衡和優化三個參與方——使用者、廣告主、平臺的關鍵指標，而預估點選率CTR（Click-through Rate）和轉化率CVR（Conversion Rate）是其中非常重要的一環，準確地預估CTR和CVR對於提高流量變現效率，提升廣告主R

58同城推薦系統設計與實現

58同城智慧推薦系統大約誕生於2014年（C++實現），該套系統先後經歷了招聘、房產、二手車、黃頁和二手物品等產品線的推薦業務迭代，但該系統耦合性高，難以適應推薦策略的快速迭代。58同城APP猜你喜歡推薦和推送專案在2016年快速迭代，產出了一套基於微服務架構的推薦系統（Ja

機器學習-推薦系統中基於深度學習的混合協同過濾模型

  近些年，深度學習在語音識別、影象處理、自然語言處理等領域都取得了很大的突破與成就。相對來說，深度學習在推薦系統領域的研究與應用還處於早期階段。 攜程在深度學習與推薦系統結合的領域也進行了相關的研究與應用，並在國際人工智慧頂級會議AAAI 2017上發表了相應的研究成果《A Hy

領英利用深度表徵學習提升人才搜尋和推薦系統

本文介紹了領英利用深度表徵學習模型來提升人才搜尋和推薦系統。 領英徵才解決方案（LinkedIn Talent Solutions，LTS）業務為領英貢獻了大約 65% 的年收入，該業務方便職位提供者接觸潛在應聘者，也方便求職者找到合適的工作機會。領英求職生態系統的設計方向是使其成為連線職位提供者

達觀資料於敬：深度學習來一波，受限玻爾茲曼機原理及在推薦系統中的應用

深度學習相關技術近年來在工程界可謂是風生水起，在自然語言處理、影象和視訊識別等領域得到極其廣泛的應用，並且在效果上更是碾壓傳統的機器學習。一方面相對傳統的機器學習，深度學習使用更多的資料可以進行更好的擴充套件，並且具有非常優異的自動提取抽象特徵的能力。 另外得益於GPU、SSD儲存、大

Python爬蟲學習_多程序爬取58同城

思路：有多個頻道（類別），每個頻道下有多個商品連結，每個商品都有詳情頁。先將頻道連結中的多個商品連結爬下來放入資料庫中，再從資料庫中取出來每一個商品詳情頁連結，進行詳情頁中的資訊爬取 首先是channel_extact.py,爬取不同頻道的連結 from bs4 impo

推薦系統遇上深度學習(十二)--推薦系統中的EE問題及基本Bandit演算法

1、推薦系統中的EE問題Exploration and Exploitation(EE問題，探索與開發)是計算廣告和推薦系統裡常見的一個問題，為什麼會有EE問題？簡單來說，是為了平衡推薦系統的準確性和多樣性。EE問題中的Exploitation就是：對使用者比較確定的興趣，當然要利用開採迎合，好比說已經掙到的

深度學習在推薦系統中的應用綜述（最全）

原文連結：https://arxiv.org/pdf/1707.07435.pdf摘要：隨著線上

基於Spark機器學習和實時流計算的智慧推薦系統

原文連結：http://blog.csdn.net/qq1010885678/article/details/46675501 概要： 隨著電子商務的高速發展和普及應用，個性化推薦的推薦系統已成為一個重要研究領域。  個性化推薦演算法是推薦系統中最核心的技術，在很大程

推薦系統遇上深度學習(五)--Deep&Cross Network模型理論和實踐

1、原理Deep&Cross Network模型我們下面將簡稱DCN模型：一個DCN模型從嵌入和堆積層開始，接著是一個交叉網路和一個與之平行的深度網路，之後是最後的組合層，它結合了兩個網路的輸出。完整的網路模型如圖：嵌入和堆疊層我們考慮具有離散和連續特徵的輸入資料。在網路規模推薦系統中，如CTR預測，

一步租房網，推薦推薦，綜合了趕集，58同城，搜房，安居客等所有的資訊

線上租房平臺有以下推薦： 趕集網(www.ganji.com)：趕集網租房頻道匯聚了海量優質租房資訊，包括個人房源、中介房源，既有整租也有合租，你還可以免費釋出自己的租房資訊。趕集網還推出誠信體系，租客可以從多維度對中介或者房東進行打分和點評。在房產相關頁面，使用者可以看到發帖人的信用等級、認證資訊，以

推薦系統中基於深度學習的混合協同過濾模型

【宣告：鄙人菜鳥一枚，寫的都是入門級部落格，如遇大神路過鄙地，請多賜教；內容有誤，請批評指教，如有雷同，屬我偷懶轉運的，能給你帶來收穫就是我的部落格價值所在。】   歡迎各路大神小妖精來這看我的部落格，這周太忙了，明早要趕飛機參加一個沙漠拓展活動，就匆匆整了篇

網頁資料採集系統（58同城、美團）

QQ/微信 112908676 下載過程中彈出輸入密碼框，請選擇取消，不影響使用 支援Windows XP/Vista/7/8/10 需求 美團獲取外賣和團購商戶的基本資訊，比如商戶名稱、地址以及聯絡電話 將搜尋的結果匯出至Excel表中，無需使用者手動翻頁

深度學習在推薦系統的應用(二)

deep bic pytho 一個 sin 升級 .html src 數值 AFM模型(Attentional Factorization Machine) 模型原始論文 Attentional Factorization Machines:Learning the We

深度學習在推薦系統的應用(三)

bic sof 深度 ranking 樣本 -c 似然 後臺 網絡 DSSM(深度語義匹配模型) 模型原始論文 Learning Deep Structured Semantic Models for Web Search using Clickthrough Data

深度學習在美團點評推薦平臺排序中的應用--學習筆記

價格 美團 ger 連接 xtra 避免 傳統 jpeg 冗余 寫在前面：據說下周就要xxxxxxxx, 嚇得本寶寶趕緊找些廣告的東西看看 gbdt+lr的模型之前是知道怎麽搞的，dnn+lr的模型也是知道的，但是都沒有試驗過 深度學習在美團點評推薦平臺排

58同城2018校招前端筆試題總結

opacity splay nbsp oms indexof init == city function 1. 用js實現一個隨機打亂數組順序的函數，要求可以設定數組中任意1個字符的位置不變，其他位置的元素位置隨機變化 思路：函數接受兩個參數：第一個參數是原數組，第二個參