Aug, 2023

移动供应：推荐系统的最后一块拼图

PDF
TL;DR为解决推荐系统中的分页机制问题，研究者提出了一种名为 Mobile Supply 的新模块，将推荐系统的流程扩展为 “retrival->pre-ranking->ranking->re-ranking->Mobile Supply->mobile ranking”。该模块通过引入列表值概念和采用点对点方法来近似评估列表排序方式，并设计了一种新的移动排序算法，考虑了移动设备之间的差异。大量的离线和在线实验显示了该方法的优越性，并证明了 Mobile Supply 可以进一步提升边缘推荐系统和用户体验的性能。Mobile Supply 已经在一个大规模在线食品平台的主页上部署，并带来了可观的利润。
发现论文，激发创造
  • EdgeRec: 移动淘宝边缘推荐系统

    提出一种基于边缘计算的推荐系统 (EdgeRec)，通过异构用户行为序列建模和行为注意力网络对推荐结果进行上下文感知的调整，实现实时用户感知和系统反馈，并通过淘宝主页数据的离线评估和在线性能测试证明了其有效性。

    May, 2020

  • 在线采购中的供应商推荐

    通过在线采购系统，我们提出了一个供应商发现的推荐系统，为道路货物在线采购提供个性化供应商推荐，考虑顾客需求和偏好。我们的初步结果在真实数据上取得了有希望的成果。

    Mar, 2024

  • 在线和移动社交网络的推荐系统：一项调查

    该研究论文是一篇关于在在线和移动社交网络中设计和实现推荐系统的综述，重点介绍了如何利用社交上下文信息来改善推荐任务，以及标准算法如何在完全分布式环境中进行增强和优化，并讨论了这些系统的优缺点和性能评估。

    Jun, 2023

  • 推荐系统简介

    本文综述了个性化推荐及推荐系统的经典算法，评估方式，以及最近研究的方向：基于会话的推荐、推荐系统中的偏差问题以及实际应用的影响和价值。

    Feb, 2023

  • 无需用户反馈的电商学习重排模型的即时学习

    在线学习方法的扩展 LAST 能够无缝集成到现有的在线学习系统中，对电子商务中的推荐系统进行自适应和响应式的建模和推荐，以提供更好的推荐体验。

    Jun, 2024

  • 基于图形的推送服务平台

    本文介绍了通过使用推模式的应用程序市场，结合基于图的用户群发现算法，建立了一个推送服务平台（PSP），从 Huawei 应用商店的网页层级应用操作日志数据中自动发现目标用户组。

    Nov, 2016

  • 工业推荐系统中的十大挑战

    华为的愿景与使命是构建一个完全互联的智能世界。自 2013 年以来，华为诺亚方舟实验室帮助了许多产品构建推荐系统和搜索引擎，为用户提供合适的信息。在这篇研究论文中，我们将分享十个重要且有趣的挑战，希望能够激发 RecSys 社区，并创造更好的推荐系统。

    Oct, 2023

  • 使用点击模型对排名策略进行离线评估

    本文提出了一种评估算法来预测历史日志数据中排名列表上的点击数，并使用用户与项目列表的交互模型来构建统计效率更高的估计器。实验结果表明，相对于先前的估计器，该算法具有更高的性能表现。

    Apr, 2018

  • 推荐系统技术及电子商务领域综述

    本研究回顾了推荐系统在电子商务、电子旅游、电子资源、电子政务、电子学习和电子图书馆等领域的不同技术和发展，并通过分析最近的研究，提供了当前发展的详细概述，识别了推荐系统中的现有困难，为实践者和研究人员提供了必要的指导和见解。

    Aug, 2022

  • 推荐系统的消费者价值与商业价值平衡：基于模拟分析

    本文提出了一种基于代理模型的模拟框架，旨在帮助提供商探索不同推荐策略的纵向动态，以设计维持业务成功的平衡推荐策略，研究表明，在更多考虑客户效用的情况下，不忽视盈利能力的混合策略能够在长期中实现最高累计利润，同时社交媒体可以增强观察到的现象。

    Mar, 2022