分享嘉宾：李铁牛 新浪微博 编辑整理：崔媛媛 内容来源：DataFun AI Talk 出品社区：DataFun 导读： 本次分享的主题为微博广告策略工程架构体系演进，将介绍微博广告在从 0 到 1，从 1 到 N 的过程中，微博广告架构是如何支持策略、算法、模型迭代的，包括以下几部分： 概述 微博 ....

Automaton      在介绍 Automation 类之前先介绍下有穷自动机的概念，有穷自动机分为确定型有穷自动机(DFA)跟不确定型有穷自动机(NFA)。由于本篇文章是为介绍 TermRangeQuery 作准备的，所以只介绍确定性有穷自动机。 确定型有穷自动机(Deterministic ....

FixedBitSet FixBitSet 类在 Lucene 中属于一个工具类（Util），它的其中一个用途用来存储文档号，用一个 bit 位来描述（存储）一个文档号。该类特别适合存储连续并且没有重复的 int 类型的数值。最好情况可以用 8 个字节来描述 64 个 int 类型的值。下面通过介绍 ....

背景 在 CTR 预估任务中，线性模型仍占有半壁江山。利用手工构造的交叉组合特征来使线性模型具有“记忆性”，使模型记住共现频率较高的特征组合，往往也能达到一个不错的 baseline，且可解释性强。但这种方式有着较为明显的缺点：首先，特征工程需要耗费太多精力。其次，因为模型是强行记住这些组合特征的， ....

阅读原文 前言 今天为大家带来的是 2018 年由中科大、北邮、微软联合推出的 xDeepFM（eXtreme Deep Factorization Machine）模型[1]，该模型的主要贡献在于，基于 vector-wise 的模式提出了新的显式交叉高阶特征的方法，并且与 DCN [2]一样，能 ....

作者：minwxwang，腾讯 PCG 应用研究员 当前主流的推荐系统中，embedding 无处不在，从一定意义上可以说，把 embedding 做好了，整个推荐系统的一个关键难题就攻克了。因此，本文总结了移动腾讯网推荐系统中的 embedding 技术实践，力图达到娱人娱己的目的。 什么是 em ....

作者：Harshit Tyagi 编译：ronghuaiyang 导读 构建端到端机器学习项目的任务检查清单。 [图片] Image for post 我正在创建一系列有价值的项目，我想到了将我从别人那里学到的或在工作中开发的实践记录下来。在本博客中，我整理了在处理端到端 ML 项目时经常提到的任务 ....

作者丨郭雅志 学校丨北京化工大学 研究方向丨 NLP、知识图谱、对话/问答系统 本人认为学习一样东西，直接上手跑实验是最有效提升的方法之一。看了那么多的理论介绍文章，抽象的说辞，最后还是似懂非懂。所以，直接上手数据集跑实验，与理论结合，能有更深刻的了解。同时也记录下学习 KBQA 的过程，也希望对同 ....

当设置了 TermVector 的域生成了倒排表以后，将文档的词向量信息写到。tvx（vector_index）跟。tvd（vector_data）文件中。 数据结构 .tvd 图 1： [图片] PackedIntsVersion PackedIntsVersion 描述了压缩使用的方式，当前版本 ....

作者 | 张俊林@新浪微博 目录 知识蒸馏典型方法 知识蒸馏在推荐系统中的三个应用场景 知识蒸馏在三类推荐排序中的方法介绍 联合训练召回、粗排及精排模型的设想 随着深度学习的快速发展，优秀的模型层出不穷，比如图像领域的 ResNet、自然语言处理领域的 Bert，这些革命性的新技术使得应用效果快速提 ....

导语：标签为用户提供了一种新的检索方式，用户和信息通过标签进行关联，信息的标签化、行为的标签化，在提供个性召回能力的同时，也有助于帮我梳理和挖掘业务品类的特征，做相关业务属性的聚合。 背景 当下全连接的信息场景，所有对于有助于连接转化效率提升的内容和考虑尤为重要，这就要求我们在实际业务场景中，结合用 ....

当 STORE.YES 的域生成了倒排表以后，将文档的域值信息写入到。fdt（field data）、.fdx（field index）文件中。 数据结构 .fdt 图 1： [图片] ChunkSize ChunkSize 用来描述压缩存储域值信息的方式，后面会详细介绍。 PackedIntsVe ....

公众号：月来客栈，欢迎关注！微信： nulls8 [图片] 模型产生过拟合的现象表现为：在训练集上误差较小，而在测试集上误差较大。并且笔者还说到，之所以产生过拟合现象是由于训练数据中存在一定的噪音，而我们为了尽可能的做到拟合每一个样本点（包括噪音），往往就会使用复杂的模型。最终使得训练出来的模型很大 ....

[图片] 一。Standalone 模式基于 spark 自己的 Master-Worker 集群。 就是之前的 spark-submit 提交的方式这里不再详细叙述。如果不清楚可以看这篇文章 如果要切换成第二种，第三种模式。将之前的 submit 脚本添加上--master 参数 设置为 yarn ....

[图片] 译者：张峰 ，Datawhale 成员 特征工程 传统编程的关注点是代码。在机器学习项目中，关注点变成了特征表示。也就是说，开发者通过添加和改善特征来调整模型。“Garbage in, garbage out”。对于一个机器学习问题，数据和特征往往决定了结果的上限，而模型、算法的选择及优化 ....

作者： 鲁佳(鹿迦) 世界上有两件最难的事：把别人的钱装进自己的口袋；把自己的思想装进别人的脑袋。 为什么沟通那么重要 谁都知道在工作中沟通是非常重要的，那大家有没有真正想过为什么沟通这么重要呢？ 首先我们想想看，在你的日常工作时间分配上，“沟通”所用的时间占比多少呢？日常的会议、在钉钉上的讨论、处 ....

本文根据美团高级技术专家翟艺涛在 2018 QCon 全球软件开发大会上的演讲内容整理而成，内容有修改。 引言 2018 年 12 月 31 日，美团酒店单日入住间夜突破 200 万，再次创下行业的新纪录，而酒店搜索在其中起到了非常重要的作用。本文会首先介绍一下酒店搜索的业务特点，作为 O2O 搜索 ....

上期回顾 《30 天到 3 分钟的改变！》系列主要讨论机器学习流程的三个阶段：数据获取和处理、模型训练和评估、模型部署和迭代。上期我们通过建模工具、算法和框架、高性能训练、管理特性重点介绍了模型训练相关的工具特性。本期将重点讨论模型部署和迭代！ 模型部署和迭代 [图片]机器学习建模项目全流程 模型部 ....

文章作者：梁超 腾讯 高级工程师 编辑整理：Hoh Xil 内容来源：DataFun AI Talk 出品社区：DataFun [图片] 导读： 本次分享的主题为推荐系统中模型训练及使用流程的标准化。 在整个推荐系统中，点击率 ( CTR ) 预估模型是最为重要，也是最为复杂的部分。无论是使用线性模 ....

[图片] 本文转载自美团技术团队。 1. 背景 在过去十年，机器学习在学术界取得了众多的突破，在工业界也有很多应用落地。美团很早就开始探索不同的机器学习模型在搜索场景下的应用，从最开始的线性模型、树模型，再到近两年的深度神经网络、BERT、DQN 等，并在实践中也取得了良好的效果与产出。 本文将与大 ....