内容简介：最近在arxiv下载了几篇阿里巴巴淘宝发表的，关于商品搜索排序的论文。 这里通过学习论文内容来分析一下淘宝的搜索排序和推荐实践。Perceive Your Users in Depth: Learning Universal User Representations from Multiple E-commerce Tasks用户画像的通用表示学习
最近在arxiv下载了几篇阿里巴巴淘宝发表的，关于商品搜索 排序 的论文。 这里通过学习论文内容来分析一下淘宝的搜索排序和推荐实践。
Perceive Your Users in Depth: Learning Universal User Representations from Multiple E-commerce Tasks
用户画像的通用表示学习
Virtual-Taobao: Virtualizing Real-world Online Retail Environment for Reinforcement Learning
淘宝搜索的增强学习
Reinforcement Learning to Rank in E-Commerce Search Engine: Formalization, Analysis, and Application
使用增强学习模型来优化排序策略
定义 search session Markov decision process 来形式化搜索过程。然后使用梯度算法来优化决策过程中的排序策略。
A Brand-level Ranking System with the Customized Attention-GRU Model
Attention-GRU 品牌排序模型。要解决的需求是预测用户对品牌的偏好程度。
LSTM and GRU 是两种RNN模型，都具有避免梯度弥散的性质。两者相比之下，GRU参数较少，训练过程较快。我们在模型中引入了 attention 机制。
Multi-Level Deep Cascade Trees for Conversion Rate Prediction
提出一个瀑布结构的决策树集成学习模型
Deep Interest Network for Click-Through Rate Prediction
构建用户兴趣网络模型来预测商品的点击率
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- Redis 内存管理赏析
- ZooKeeper的一致性算法赏析
- 学员优秀博文赏析：双基准快速排序实现
- Spark 的 PIDController 源码赏析及 backpressure 详解
- 分析：基于文本内容推荐和协同过滤推荐
- 《文章推荐系统》系列之推荐流程设计
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
你凭什么做好互联网
曹政 / 中国友谊出版公司 / 2016-12 / 42.00元
为什么有人可以预见商机、超越景气，在不确定环境下表现更出色？ 在规则之外，做好互联网，还有哪些关键秘诀？ 当环境不给机会，你靠什么翻身？ 本书为“互联网百晓生”曹政20多年互联网经验的总结，以严谨的逻辑思维分析个人与企业在互联网发展中的一些错误思想及做法，并给出正确解法。 从技术到商业如何实现，每个发展阶段需要匹配哪些能力、分解哪些目标、落实哪些策略都一一点出，并在......一起来看看 《你凭什么做好互联网》 这本书的介绍吧!
