- 综合排序
- 最热优先
- 最新优先
- 来自专栏腾讯云开发者社区推荐
亿级用户，腾讯看点信息流推荐系统的架构挑战
导语 | 看点信息流每天为亿级用户提供海量实时推荐服务，除了大并发/低延迟/高性能等传统架构挑战以外，还有哪些推荐系统特有的架构挑战难题，又是如何解决的？ 视频内容 一、看点信息流 在 QQ 浏览器的主页可以看到腾讯看点的信息流，信息流有三种形态：小视频、短视频、图文，属于业界信息流最主要的形态。 二、看点信息流基本架构和挑战 信息流已经发展很多年了，架构层面都是大同小异。一个信息流系统分为最底部的数据层，包括了倒排/特征/用户模型；数据层上面是召回，召回有隐式召回、显式召回等。 A：是规律的，会有早高峰和晚高峰，早高峰是 9 点，晚上是 8~10 点。 Q：看点用户的并发访问是规律的么，如何处理资源弹性的问题？ Q：新用户如何推荐？ A：用户维度就是去拿额外的数据，内容维度就是新热。 Q：信息流推荐里怎么利用用户搜索画像呢？
3.9K284248发布于 2020-10-19 - 来自专栏小小挖掘机
推荐系统遇上深度学习(一三一)-信息流推荐中局部视野感知的重排序方法
1、背景 信息流场景下，用户的行为会受到相邻展示的item的影响，如价格敏感的用户会对比相邻展示的item的价格，选择价格相对较低的item进行购买。 在信息流的浏览过程中，用户的浏览行为存在以下两种特性： 1）单向性（Unidirectivity）：用户在信息流的浏览过程中大都是从上往下浏览，很少来回进行物品的对比。 信息流中下文展示的item对上文展示的item的影响是十分有限的，但上文展示的item对下文展示的item却有非常大的影响，论文称具有锚定效应（anchoring effect ），即第一印象或第一信息更容易支配人们的判断 之间的相互影响权重，这里与Self-Attention的计算相同： Global Scope Attention（GSA） GSA主要用于建模全局item之间的相互影响， 如在背景中的介绍，用户在信息流中的浏览过程具有单向性
1.1K20编辑于 2022-04-06 - 来自专栏腾讯大讲堂的专栏
从0到10，靠信息流搞懂ta到底喜欢什么？
作者：alieyu 腾讯VTeam技术团队高级工程师 导语 | 信息流产品的内容分发方式包括：推荐、投放、push、订阅等，其中的"推荐"是最为主流，也是大家最为熟知的分发方式。 一些具体的排期策略： 投放任务：一个短视频要在48小时内，投放10w的曝光量 时间分布：在48小时投放10w，那么每个细分粒度的时间段(比每小时)应该投放多少呢？ 多场景分配：如果存在多端多场景的用户流量，那么这10w流量到底分配到哪端哪个场景去执行，也是需要考虑的点，充分将各流量场景都利用起来，实现流量合理分配，利益最大化。 其根本原因在于，推荐与投放是有本质区别的： 推荐召回：以用户找内容，只要内容满足用户兴趣画像即可，此时用户画像可能并不满足内容的相关条件，内容处于被选择状态。 最后： 感谢团队里一起建设投放系统的小伙伴； 欢迎各信息流的相关团队/同学，进行更加深入的讨论和协同共建等 近期热文推荐 ? ? ? ? 你“在看”我吗？
85920发布于 2021-08-10 - 来自专栏VTeam技术团队
从0到10，让你彻底理解【信息流投放系统】
信息流产品的内容分发方式包括：推荐、投放、push、订阅等，其中的"推荐"是最为主流/熟知的分发方式。但在实际的信息流产品中，通常是多种分发方式同时并存，共同打造内容生态，共同提升用户体验。 同样，在信息流分发体系中，推荐当然是至关重要，但推荐本身是有缺陷的(伪喜欢/唯消费者)，因此人工干预也是必须的。 ? 2.3 信息流投放 信息流投放，本质上和广告投放是一致的。只是投放的物品有所区别而已，信息流投放的物品，包括图文、视频、广告等多种形态。 在具体实施过程中，也是以内容找人，和推荐系统的以人找内容相反。 这也是为什么在信息流产品的生命周期里，一开始就必须要一套强大的推荐系统，而投放系统通常在中期阶段才出现的一大原因。 一些具体的排期策略： 投放任务：一个短视频要在48小时内，投放10w的曝光量 时间分布：在48小时投放10w，那么每个细分粒度的时间段(比每小时)应该投放多少呢？
3.2K22发布于 2021-04-25 - 来自专栏ShowMeAI研究中心
大厂技术实现 | 腾讯信息流推荐排序中的并联双塔CTR结构 @推荐与计算广告系列
⛵ 大厂技术实现的数据集下载（百度网盘）：公众号『ShowMeAI研究中心』回复『大厂』，或者点击 这里 获取本文 腾讯信息流推荐排序中的并联双塔CTR结构 『CTR预估方法实现数据集与代码』⭐ ShowMeAI 图片1.3 双塔模型的优化 腾讯信息流团队（QQ 浏览器小说推荐场景） 基于以上限制对双塔模型结构进行优化，增强模型结构与效果上，取得了不错的收益，具体做法为：把双塔结构中的DNN简单结构，替换有效CTR output_dim=6) x1 = Cross()(x0, x0) x2 = Cross()(x0, x1) logits = tf.keras.layers.Dense(units=10 Proceedings of the 10th ACM Conference on Recommender SystemsSeptember 2016 Pages 43–4 Jianxun Lian, 』大厂解决方案大厂技术实现 | 多目标优化及应用（含代码实现）@推荐与广告计算系列大厂技术实现 | 爱奇艺短视频推荐业务中的多目标优化实践@推荐与计算广告系列大厂技术实现 | 腾讯信息流推荐排序中的并联双塔
4.3K113编辑于 2022-08-15 - 来自专栏全栈程序员必看
10款sublime插件推荐
10. DocBlockr 如果你遵循的编码的风格很严格，这款插件能够使你的任务更容易。DocBlokr 帮助你创造你的代码注释，通过解析功能，参数，变量，并且自动添加基本项目。
7K20编辑于 2022-09-12 - 来自专栏肉眼品世界
腾讯QQ看点信息流推荐业务：内容分发场景的多目标架构实践
今天给大家带来腾讯资深架构工程师⻢臻在2021年全球架构师峰会上所做的分享《内容分发场景的多目标架构实践.pdf》，本次分享共包含如下两大部分： 1、QQ看点推荐场景介绍和业务挑战； 2、多目标迭代架构实践
70211编辑于 2022-06-15 - 来自专栏Python数据科学
安利 10 个开源推荐系统
本次给大家安利 10 个开源的推荐系统，GitHub链接如下。然后再给大家介绍下推荐系统框架下各个环节及作用。 /lightfm https://github.com/lyst/lightfm 9、python-recsys/crab https://github.com/python-recsys/crab 10 、NicolasHug/Surprise https://github.com/NicolasHug/Surprise 工业推荐系统环节 工业中的推荐系统一般包含四个环节，分别是召回、粗排、精排和重排。 召回：根据用户的兴趣和历史行为，从海量的物品库里，快速找回一小部分用户潜在感兴趣的物品，然后交给排序环节，排序环节可以融入较多特征，使用复杂模型，来精准地做个性化推荐。
3.1K10编辑于 2022-04-12 - 来自专栏产品的技术小课
效率工具推荐（第10期）
输入多个同类的对比词，比如输入对比词：小鹏汽车、理想汽车和蔚来汽车，该网站会搜出对比词在小红书、B站和抖音中的正面和负面评价对比，可用于对产品口碑营销效果的监测。
82620编辑于 2022-04-01 - 来自专栏Java技术栈
10个Eclipse珍藏插件推荐
10、Darkest Dark Theme 主题插件，可以像idea那样有黑色的主题，不过看起来怪怪的，个人不是很喜欢。
1.4K80发布于 2018-03-30 - 来自专栏linux、Python学习
10大Python开源项目推荐
本文是 Mybridge 挑选的 10 个 Python 开源项目，Github 平均star 2135，希望你能够喜欢~~ ▌Rank 1：Requests-HTML v0.9（7385 stars 项目地址： https://github.com/kennethreitz/twitter-scraper ▌Rank 10：Fast-Pandas（667 stars on Github，来自M.
1.7K21发布于 2019-04-12 - 来自专栏简说基因
Nextflow生物信息流程（一）：简介
Nextflow通过容器来实现可扩展且可重复的数据分析工作流程。它适用于最常见的脚本语言编写的流水线。其流畅的DSL简化了在云和集群上实现和部署复杂并行的生信数据分析流程。
1.2K12编辑于 2023-12-11 - 来自专栏四火的唠叨
谈谈微信的信息流
下面两图都是我手机上的截图，左边是新的信息流模式，右边是信息流界面下点击右上角图标，回到的 “类似以往” 的基于订阅号发布者的模式。 从这个角度说，基于时间的信息流，有益，但多数情况下并不能带来特别大的好处。而且，微信信息流优先级还不完善，用户更感兴趣的内容很容易被淹没在茫茫信息大海之中。 其次，微信公众号的文章数量如何？ 如果文章数量众多，那么基于信息流一定程度上可以提高浏览效率。 或者说，如果有 1000 条信息，用户站在时间线的顶端，眼睛和手指一起工作，扫到了其中的 100 条，然后点开了其中的 10 条阅读，并对其中的 1 条感兴趣并完成发布者的关注。 但是信息流以后呢？文章质量的重要程度，明显下降。 再说说基于订阅号的这另一半 订阅号最大的好处，在于基于消息发布者的消息组织。
1.1K10编辑于 2022-07-19 - 来自专栏DeepHub IMBA
ICLR 2022的10篇论文推荐
id=uxxFrDwrE7Y 10、Autonomous Reinforcement Learning: Formalism and Benchmarking Archit Sharma, Kelvin
44320编辑于 2022-06-04 - 来自专栏AI科技大本营的专栏
推荐 | 机器学习开源项目 Top 10
编译 | AI科技大本营 一直为开发者提供优质学习资源的Mybridge最近又发布了一篇资源性文章：机器学习领域开源项目Top 10，AI科技大本营做了简要编译。 [Github 55颗星] github链接：https://github.com/for-ai/CipherGAN ▌Rank 10 PirateAI：由Hugo开源，PirateAI是一个人机交互的项目 颗星] github链接：https://github.com/HugoCMU/pirateAI 原文：https://medium.mybridge.co/machine-learning-top-10
73780发布于 2018-04-26 - 来自专栏数据派THU
ICLR 2022的10篇论文推荐
来源：DeepHub IMBA本文约4800字，建议阅读10+分钟本文与你分享ICLR 2022的机器学习研究相关论文。
61240编辑于 2022-05-18 - 来自专栏目标检测和深度学习
推荐 | 机器学习开源项目 Top 10
一直为开发者提供优质学习资源的Mybridge最近又发布了一篇资源性文章：机器学习领域开源项目Top 10，AI科技大本营做了简要编译。 [Github 55颗星] github链接：https://github.com/for-ai/CipherGAN ▌Rank 10 PirateAI：由Hugo开源，PirateAI是一个人机交互的项目 颗星] github链接：https://github.com/HugoCMU/pirateAI 原文：https://medium.mybridge.co/machine-learning-top-10
1.8K20编辑于 2022-03-04 - 来自专栏AI进修生
10+ 个神级MCP推荐
Cline 官方推荐MCP盘点： 来看看A2A 怎么跟 MCP 一起玩。 AI Agent 应用，需要两样东西：A2A 和 MCP。
4.8K31编辑于 2025-07-02 - 来自专栏Akilarの糖果屋
Win10小工具推荐
窗口分屏配合Win10自带的虚拟桌面功能，使用Ctrl+Win+←或→的快捷键，可以达到类似于多个桌面的体验。 官网下载虽然没被墙，但是下载速度也谈不上快。 PinStack（剪贴板增强工具） Ubuntu下有个很方便的剪贴板增强插件，但是Win10迟迟找不到，win+v开启剪贴板历史管理虽然也能用，但是多少还是差了那么点意思，我还相继使用过ditto和pinborad 所以就有了PinStack，不过它是收费软件，25元激活，在Win10自带的应用商店就可以下载安装，有7天免费试用期，体验良好的话就支持下正版吧。 优效日历 优效日历 优效日历采用了Win10的设计风格，安装后直接替换windows原版日历， ? 日历界面色彩更加丰富，且支持自定义，软件占用资源极低，可以放心使用。 自带的工具箱还有桌面便签，嵌入式设计深得我心，让本想再推荐YYnote便签的我直接少写了很多冗余内容。 虽然最新版推出了会员功能，但是只要不是贪图多设备同步，本地功能并没有遭到阉割。 未完待续
1.2K30发布于 2021-06-11 - 来自专栏人工智能头条
Python热门文章推荐Top10
编译 | 阿司匹林 出品 | 人工智能头条（公众号ID：AI_Thinker） 4 月 Python 热门文章推荐 1、用 Python 实现区块链的实用介绍 原文链接： http://adilmoujahid.com OpenMV 读取条形码 原文链接： https://www.pyimagesearch.com/2018/03/19/reading-barcodes-with-python-and-openmv/ 10 python-big-data-airflow-jupyter-notebook-hadoop-3-hive-presto.html 原文地址： https://medium.mybridge.co/python-top-10
1.8K40发布于 2018-06-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号