推荐系统的定义、应用与算法分类 - 飞书文档
https://docs.feishu.cn/v/wiki/WowdwdpR2iKhL6k6GPqcuEE4nHf/a2推荐系统与大模型的融合：深度学习能力、多模态融合、上下文建模推荐系统定义与应用推荐系统是一种信息过滤系统，用于预测用户对物品的“评分”或“偏好”（筛选与排序）。
飞搜侠
热门搜索
MoE如何助力推荐系统发展？ - 飞书文档
https://docs.feishu.cn/v/wiki/SKYZwIeyBibUCUkcjfbcdKt8nug/ak算法、系统和应用，三个视角全面读懂混合专家（MoE） · 密集到稀疏：从密集模型训练开始，逐步过渡到稀疏MoE 配置； · 稀疏到密集：涉及到将稀疏MoE 模型降格为密集形式，这有利于将 ...
推荐系统中如何处理类别、ID型特征？ - 飞书文档
https://docs.feishu.cn/v/wiki/K77xwARa7i2dHtkdzwucWjaanBh/ah1、推荐系统有哪些可供利用的特征 · 显性反馈行为：一般来说显性反馈行为的收集难度过大，数据量小，仅用显性反馈的数据不足以支持推荐系统训练过程的最终收敛 · 隐性反馈行为 ...
解决推荐系统挑战：Meta的创新架构与方法 - 飞书文档
https://docs.feishu.cn/v/wiki/WbuuwuGO3iD9Z7kRb0bc3LFvnjg/a2**类别型(稀疏)特征**：如用户喜欢的item、品类、用户使用的语言、用户加入的社群、发起请求的城市等。 · **数值型(稠密)特征**：如user-item topic的历史统计点击率特征。
LLM4Rec：当推荐系统遇到大模型 - 飞书文档
https://docs.feishu.cn/article/wiki/DMqOwfhbIi2kUlkxu0RcVaYjn2F打分排序：对候选进行排序返回一个列表，也是推荐系统中比较关键的部分；通常会包含多个阶段（召回、粗排、精排、混排等），各种层出不穷的网络魔改设计都可以在这个部分看到； ...
从0-1搭建推荐系统
https://v11enp9ok1h.feishu.cn/wiki/V43YwvdxCiNnJykoE8vc6UCsngc?from=from_copylink问题建模. 将召回建模成一个“超大规模多分类”问题。即在时刻 t ，用户U （上下文信息C ）会观看item i 的概率（每个具体的视频视为一个类别），用公式表达如下：.
《人工智能按学派分类，你知道有哪些代表算法吗？》 - 飞书文档
https://docs.feishu.cn/v/wiki/AnAuwBvHmiJexBkOOarcxpTpn3d/ac人工智能应用广泛，从日常生活中的智能语音助手、推荐系统（如网购和视频平台的推荐）、自动翻译，到专业领域，如医疗诊断、股市交易、复杂系统的自动控制和机器人技术等，AI的 ...
美团的个性化推荐算法怎样？ - 飞书文档
https://docs.feishu.cn/v/wiki/Z4vXwDzggiZb9WkWBS4cQ192ndn/ak例如，通过优化配送路线和调度算法，减少能源消耗和碳排放。此外，AI技术还可以用于食品安全监控和垃圾分类，促进绿色消费和循环经济的发展。 此外，在全球化的背景下 ...
大模型推荐系统有哪些进展和未来方向？ - 飞书文档
https://docs.feishu.cn/v/wiki/LlzmwC1a2i2BhOkAQsFcOpQRnSf/as未来几个月，GitHub 还计划添加更多类型的模型，如语言、视觉等。开发者可以轻松地将这些模型集成到自己的项目中，无论是在Codespaces 还是在VS Code 开发环境中，都大大降低 ...
行动胜过言语: Meta落地工业界首个万亿级别参数的生成式推荐系统模型
https://agijuejin.feishu.cn/wiki/WbuuwuGO3iD9Z7kRb0bc3LFvnjg现代推荐系统通常在海量稀疏类别型特征(sparse)和稠密型数值特征(dense)上训练 ... 与分类特征相比， 这些特征的变化频率要高得多，可能会随着每个（用户，物品 ...