前几天还跟同事开玩笑说，DIN上面接一层Transformer，然后加一个Positional Encoding，然后再加Attention层，效果可能会好些。结果，今天就看到淘宝已经发出了相关的论文了，有一些地方还是没有想到的，咱们来一起看下。本文的论文名称为：《Behavior Sequence Transformer for E-commerce ...

文章作者：肖茁建博士 京东 算法工程师编辑整理：Hoh出品平台：DataFunTalk导读：商品搜索引擎是电商平台满足用户购物需求的一个重要系统，它根据用户输入的搜索词，返回个性化的排序列...

本文分享的论文题目是《Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba》论文地址：https://arxiv.org/abs/1803.02349在淘宝的推荐中，主要面临着三个技术挑战，分别是可扩展性(scalability)、稀疏性(sparsity)...

点击标题下「搜索与推荐Wiki」可快速关注▼相关推荐▼1、转化率预估中的贝叶斯平滑2、深度学习Keras中的Embedding层的理解与使用3、值得收藏｜2020年度文章汇总，不容错过的精...

前几天还跟同事开玩笑说，DIN上面接一层Transformer，然后加一个Positional Encoding，然后再加Attention层，效果可能会好些。结果，今天就看到淘宝已经发出了相关的论文了，有一些地方还是没有想到的，咱们来一起看下。本文的论文名称为：《Behavior Sequence Transformer for E-commerce ...

在2013年DQN首次被提出后，学者们对其进行了多方面的改进，其中最主要的有六个，分别是：Double-DQN：将动作选择和价值估计分开，避免价值过高估计Dueling-DQN：将Q值分解为状态价值和优势函数，得到更多有用信息Prioritized Replay Buffer：将经验池中的经验按照优先级进行采样Multi-Step Learning：使得目标价值估计更为准确Distribution

上一篇中介绍了Bandit算法，并介绍了几种简单的实现，如 Epsilon-Greedy算法，Thompson sampling算法和UCB算法。但是传统的实现方法存在很大的缺陷，主要是缺乏用附加信息刻画决策过程的机制。今天的文章就来介绍一种结合上下文信息的Bandit方法，LinUCB，它是Contextual bandits算法框架的一种。本文的原文是雅虎的新闻推荐算法：https://a..

本来想写蚂蚁金服运用强化学习做推荐的文章《Generative Adversarial User Model for Reinforcement Learning Based Recommendation System》，但这不快放假了嘛，思考再三还是决定写点简单的吧。这次来谈谈负采样点击率修正的那些事。1、负采样点击率修正在广告点击率预估中，正负样本的比例是很不平衡的，所以有时候需要进行一定..

跟着李宏毅老师的视频，复习了下AC算法，新学习了下A2C算法和A3C算法，本文就跟大家一起分享下这三个算法的原理及tensorflow的简单实现。视频地址：https://www.bilibili.com/video/av24724071/?p=41、PG算法回顾在PG算法中，我们的Agent又被称为Actor，Actor对于一个特定的任务，都有自己的一个策略π，策略π通常用一个神经网络表示...

今天给大家介绍的是我们团队今年发表在WWW2022上的论文CrossDQN，提出了一种基于强化学习的信息流广告分配方法。这也是我个人在入职美团之后工作的主要方向。接下来我将对论文内容进行详细的介绍。1、信息流广告分配背景电商场景下的信息流通常包含两部分的内容，一类被称为自然结果，另一类是广告结果。二者以混合列表的形式展现给用户。如下图是工业界常见的混排系统的架构，广告和自...