通用排序框架在爱奇艺推荐的应用
摘要
推荐系统通常由多个阶段组成,比如,有的推荐系统分为Recall、PreRanking、Ranking、ReRanking等四个阶段。在爱奇艺,我们的推荐系统在非常多的场景中都有应用,推荐的内容也不尽相同(如长视频、短视频、主题、影人等)。但是万变不离其宗,在这些场景中,推荐系统的核心工作方式有一定的共性。为节约开发成本,同时也要保障不同场景下推荐系统的稳定性,我们将不同推荐场景排序模型中相似的部分成体系地提炼出来,并加以标准化、组件化,进而针对推荐场景排序问题提供了通用化的解决方案。这也是我们提出爱奇艺通用排序框架的初衷。目前这一框架已经在爱奇艺多端多个场景落地——长视频推荐:主APP首页猜你喜欢、TV端首页猜你想看,短视频推荐:主APP短视频播放器,长短视频混合推荐:主APP频道页瀑布流、TV端首页Feed等。正所谓,推荐的复杂性如黑夜迷雾,希望能破晓见黎明。
欢迎在评论区写下你对这篇文章的看法。
评论
据说喜欢分享的,后来都成了大神
提交句子
撞衫不可怕,谁丑谁尴尬
文库
- 1 又臭又腥的石楠花,为什么满大街都种
- 2 From Predictive to Generative – How Michelangelo Accelerates Uber’s AI Journey
- 3 Scaling PayPal’s AI Capabilities with PayPal Cosmos.AI Platform
- 4 No version left behind: Our epic journey of GitLab upgrades
- 5 网易云音乐用户行为归因数据体系建设
- 6 高铁和站台为什么有缝隙,不能并上吗
- 7 双十一技术攻略(三): 熔断实战
- 8 扒一扒隔离熔断之Hystrix VS Sentinel
- 9 Hystrix 源码分析及实践
- 10 Guava Cache的缓存管理与使用
- 11 Guava Cache 原理分析与最佳实践
- 12 QunarCache的应用
- 13 用逻辑驱动设计创造可持续的产业增长
- 14 为什么你能感觉到背后有人盯着你
- 15 B站数据中心网络布线智慧管理平台实践(一)