深度学习核心技术精讲100篇(四十)-微信“看一看“内容理解与推荐,背后深层次的技术知多少?
Posted 文宇肃然
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了深度学习核心技术精讲100篇(四十)-微信“看一看“内容理解与推荐,背后深层次的技术知多少?相关的知识,希望对你有一定的参考价值。
前言
相信对于不少人而言微信已经成为获取资讯的主要场景。与此同时,由于微信用户群体的庞大,也吸引了大量的内容生产者在微信公众平台创造内容,以获取用户关注、点赞、收藏等。微信内的内容推荐产品:看一看应运而生。
结合微信用户的内容消费需求,以业务目标为导向,我们从基于属性召回、到协同&社交召回、再到深度模型召回进行了演进,深度模型涵盖了序列模型、双塔模型、混合模型、图模型,最终形成了多种召回并列、多路模型共同作用的看一看内容召回系统。如果把推荐系统中工程服务比作骨骼,那么推荐模型可以比作肌肉,还需要内容理解作为血液,纵向贯穿整个推荐系统,从内容库、到召回、再到排序和画像,源源不断的提升系统的推荐精度,本文将着重介绍看一看内容理解平台及应用。
看一看接入了非常多合作方的数据作为内容源。由于接入数据源较多,各家数据从内容、质量、品类等差异性比较大。看一看平台方会对数据做“归一化”操作,然后应用于推荐系统线上部分。内容理解定义:对接各种外部图文等内容,对接入内容做业务级内容多维基础理解,同时进行外部标签与自有标签体系对齐,完成应用级内容打标;反馈至下游应用方:用户需求系统,召回策略,召回模型,排序/混排等使用;同时,在业务数据滚动与迭代中修正数据刻画精度与效果,逐步贴合与提升业务线效果;我们将内容画像定义为两个大维度:通过内容本身来理解内容,通过行为反馈来理解内容。前者主要针对内容抽取静态属性标签;后者,通过行为积累的后验数据,统计,或模型预估内容的知识,倾向性,投放目标,以及抽象表达。
以上是关于深度学习核心技术精讲100篇(四十)-微信“看一看“内容理解与推荐,背后深层次的技术知多少?的主要内容,如果未能解决你的问题,请参考以下文章
深度学习核心技术精讲100篇(四十四)-深度召回在招聘推荐中的挑战和实践
深度学习核心技术精讲100篇(四十一)-阿里飞猪个性化推荐:召回篇
深度学习核心技术精讲100篇(四十二)-阿里妈妈深度树匹配技术演进:TDM->JTM->BSAT
深度学习核心技术精讲100篇(四十七)-做推荐系统之余,我们该思考什么?