免费编程教程

全部标签 Python 自动化 系统设计 可视化 开源 安全 Java Android 隐私 架构 性能 微调
最新
因果推断在推荐的应用

应用因果推断消除推荐系统中的流行度偏差、位置偏差等，并用反事实推理进行公平评估。

人工智能 因果推断 推荐 去偏
1 0 0
2026-06-24
最新
反事实评估策略

利用倾向性评分和逆概率加权等方法，从有偏的历史日志数据中获得对推荐策略的无偏评估。

人工智能 反事实评估 推荐 因果
1 0 0
2026-06-24
最新
离线评估与在线

比较离线回测和在线实验的优缺点，学习处理离线指标与线上效果不一致的常见偏差及校准方法。

人工智能 离线评估 在线评估 推荐
3 0 0
2026-06-24
最新
推荐系统 A/B 测试

在推荐系统中科学设计 A/B 实验，处理分桶、SRM 检验、网络效应和长期指标评估等问题。

人工智能 A/B测试 推荐 在线实验
2 0 0
2026-06-24
最新
强化学习推荐

将强化学习引入推荐，建模用户的长期体验和探索利用平衡，提升长期用户满意度和留存。

人工智能 强化学习 推荐 序列决策
3 0 0
2026-06-24
最新
多场景推荐 STAR

学习 STAR 模型通过共享中心网络和场景特定参数，实现多个推荐场景的统一和自适应学习。

人工智能 多场景 自适应 推荐
4 0 0
2026-06-24
最新
PLE 渐进分层提取

针对 MMOE 中跷跷板现象，学习 PLE 如何渐进地分离任务共享和专属专家，实现更好的多任务平衡。

人工智能 PLE 多任务 推荐
4 0 0
2026-06-24
最新
多任务学习 MMOE

学习 MMOE 架构，用多个共享专家和任务特定门控网络，解决多任务学习中的任务冲突与跷跷板现象。

人工智能 MMOE 多任务 推荐
4 0 0
2026-06-24
最新
Wide & Deep 模型

学习 Wide & Deep 模型的架构思想，用 Wide 部分记忆历史交互，Deep 部分泛化未见特征组合。

人工智能 Wide & Deep 推荐 CTR
6 0 0
2026-06-23
最新
冷启动推荐

学习应对缺乏历史数据的新物品和新用户推荐策略，包括基于内容、元学习和探索利用方法。

人工智能 冷启动 推荐 元学习
5 0 0
2026-06-23
最新
多兴趣推荐

突破单一用户向量限制，学习代表用户不同兴趣侧的多个嵌入，提升推荐多样性与准确性。

人工智能 多兴趣 推荐 向量
3 0 0
2026-06-23
最新
设计推荐系统

搭建个性化推荐管道，平衡实时特征和离线模型。

架构 推荐 系统设计 召回
8 0 0
2026-06-19