Facebook推荐系统,推荐系统

Facebook推荐系统,推荐系统

性能最强的深度学习推荐模型！AI 科技评论按，随着深度学习的出现，基于神经网络的个性化和推荐模型已经成为包括Facebook 等公司构建推荐系统的重要工具。然而，分享一下Facebook新发的深度学习推荐系统的论文Deep Learning Recommendation Model for Personalization and Recommendation Systems. 这篇文章概述了当前推荐系统实现的主要思路，

≥ω≤ Facebook 像Facebook 这类的推荐系统并不直接推荐产品，而是推荐联系人。除此之外，像Spotify、Youtube、互联网电影资料库(IMDB)、猫途鹰(Trip Advisor)、谷歌新闻(Google News)等TorchRec[1]:FaceBook 官方最新开源的推荐系统项目，用于支持大型推荐系统所需的稀疏性和并行性操作，允许用户利用多GPU并行的方法训练大规模的embedding。由于近期刚刚开源，目

- 2016年至2020年，在Facebook公司担任高级软件工程师，负责开发并优化Facebook平台的推荐系统；- 2020年至今，在字节跳动公司任职，担任技术总监，负责领导团队开发并优化字节跳目前个性化推荐有两个主要的方向，现在基本都投奔了深度学习的怀抱中。1. the view of recommendation systems 早期系统雇佣专家们来对产品进行分类，用户选择他们喜好的类别

实践应用：已在Facebook Marketplace 搜索中集成，并每日支持数百万次搜索查询。在两周的在线A/B 测试中，Que2Engage 已经表现出了显著的改进，有效提高了用户的参与度。方法1. 多Facebook 于2014 年提出了经典的GBDT + LR 的CTR 模型结构，之后⼜在2019 年发布了最新的深度学习模型DLRM (Deep Learning Recommender System)Facebook 的推荐系统应⽤

最新的产品包括Enhance Mind IQ——或者Elon』s Smart Pills,它们近期在Facebook 的一则广告中暗示Tesla 的联合创始人曾在60 Minutes 上讨论过这两款药物Facebook可能认识的人一般来源以下几种：(1)有共同的好友。这是系统推荐的最常见原因。2)加入同一个Facebook 小组或在同一张照片中被标记。3)您的关系网络(例如：您的学校、大学或工作)。