- 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。 第二天零点开始到第二天的五、六点这个区间，用户访问逐步上来了，留给我们时间是 4 到 5 个小时，假如机器够多就能很快处理完，一般处理分几个步骤： 首先是对数据进行预处理，进行不同特征的计算，最关键是要把画像 把时间缩短两倍，基本上就可以满足 12 点到 4 点的要求了。画像处理后进行生成是用 LR 模型，用户上一刷的点击反馈得非常快，还会外部流水进行融入，三是实时进行的打分，这是线上的流程。 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 4、总结 尽管本文所提出的重排方法存在evaluation-before-reranking的问题，但是其对用户在信息浏览过程中全局注意力以及局部视野注意力的刻画，具有很好的借鉴意义。
1.1K20编辑于 2022-04-06 - 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 In practice, we've observed that `projection_dim` = d/4 consistently preserved the accuracy 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 - 来自专栏清羽飞扬
CloudflareVercel项目推荐(4)
我曾发布过三个关于 Cloudflare 和 Vercel 平台的项目推荐，鉴于 Cloudflare 和 Vercel 等 Serverless 平台之间有许多共性，且项目较为难找，所以合并到了一起， Json文件可视化 部署方式：Cloudflare Worker、Vercel、Github Page、Tencent eo page等 引用站外地址，不保证站点的可用性和安全性 json4u:The Github Page、Tencent eo page等 引用站外地址，不保证站点的可用性和安全性 NewsNow:优雅地阅读实时热门新闻 github.com@ourongxing 这类项目在之前我曾推荐过一个 ，详见文章Cloudflare/Vercel项目推荐(1)，这又是一个类似的项目，下面还有一个，大家可以自行对比进行选择性部署，第一个项目的展示页面可以看左上角菜单中的每日热榜站点（都点开左上角菜单看看
98810编辑于 2025-03-21 - 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 - 来自专栏科控自动化
通讯库推荐NModbus4
modbus通讯协议NET库 modbus的开源库很多,我常用的库是NModbus4 github地址：https://github.com/NModbus4/NModbus4 个人建议用2.1.0
6K20编辑于 2022-03-29 - 来自专栏四火的唠叨
谈谈微信的信息流
最近才更新到微信的最新版本，早有耳闻公众号变成了微博似的信息流展示信息。之前也没有太在意，这次微信客户端版本更新以后，发现坏了坏了，以往的阅读习惯已经被彻底毁掉了。 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。 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 - 来自专栏深度学习自然语言处理
腾讯信息流热点挖掘技术实践
分享嘉宾：罗锦文 腾讯 研究员 编辑整理：Jane Zhang 出品平台：DataFunTalk 导读：当前各大资讯社交类APP都在显著的版面展示或者推荐热点相关内容，信息流应用能否快速发现热点、引导用户阅读热点 用户搜索和媒体生产能够从消费和生产两个方面更加准确的度量热度，事件和话题同时能够辅助用户理解，做到热点的个性化下发，从而提升信息流热点体验。 接下来能看到热点推荐有没有从事件推荐的角度来理解文章。有没有从事件的角度来理解文章，是提升热点推荐效果需要重点讨论的点。带着这几个问题，来看看传统的相关研究是怎么解决这个问题的。 ，提升热点推荐的效果。 作为信息流服务的团队，每天打交道最多的是海量数据。当热门发生时，自媒体作者会主动跟进热点，创作文章跟进这些内容，比如当科比去世的一个小时后，即便是凌晨四点，作者也会也及时更新做报道。
2.3K21发布于 2020-09-30 - 来自专栏新智元
【干货】4月Python 热门推荐Top 10
地址： https://arachnoid.com/PLSDR/index.html 4. 第1课：Ditch Python 第2课：中间层 第3课：享受VUE 第4课：学习热爱DynamoDB 第5课：无服务器框架FTW 第6课：授权 地址： https://read.acloud.guru 地址： https://opensource.com/article/18/4/easy-2d-game-creation-python-and-arcade?
83340发布于 2018-05-29 - 来自专栏玩转全栈
免费的ChatGPT4的App推荐
forefront.ai使用地址https://chat.forefront.ai/ 图片优点：1、免费使用ChatGPT4 2、没有任何广告3、给定了一堆的prompt4、很有意思，可以和爱因斯坦这些虚拟人物对话 prompt推荐，这个对于不太会提问的人来说，简直是福音啊。 4、会话保存，多端同步，不会丢失缺点1、ChatGPT4的使用有限制，每天是1条。 Claude+是3条，其他完全免费2、需要小魔法---然后推荐2个界面非常清爽，毫无广告的，且无需小魔法的吧Hayo使用地址https://www.hayo.com/download图片图片优点1、界面清爽的不行 2、支持绘图3、各种提示词指令相当齐全缺点1、只有ChatGPT3.5，没有4，而且ChatGPT3.5还限制每天50条2、绘画每天50副，应该够用的。
6.3K21编辑于 2023-05-08 - 来自专栏图与推荐
ICML 2020 | 4 篇推荐系统相关论文
本文介绍 ICML2020 中 4 篇与推荐系统相关的论文。 分别为： 低通协同过滤推荐的图卷积网络 推荐系统中 Pap@k 度量的优化与分析 有序非负矩阵分解在推荐中的应用 推荐系统中的长期社会福利优化：一种约束匹配方法 ? 1. 综上所述，文章的结果推动了 Pap@k 在具有不同用户参与度的大规模推荐系统中的使用。 ? 具体地说，它们可以在具有显式数据（例如评级）或隐式数据（例如量化播放数量）的推荐系统中找到。 在显式和隐式数据集上的推荐实验表明 OrdNMF 在二值化数据上的性能优于 BePoF 和 PF. ? ? 4.
1.3K30发布于 2020-07-21 - 来自专栏大数据学习笔记
Neo4J：好友推荐简单示例
本文链接：https://blog.csdn.net/chengyuqiang/article/details/102658749 说明：该例子来源于《Neo4j 3.x 入门经典》 1、初始化数据 Dude {name: "C1"}) CREATE (dudeC2:Dude {name: "C2"}) CREATE (dudeC3:Dude {name: "C3"}) CREATE (dudeC4: (dudeB1)<-[:FRIEND_OF]-(dudeC3) CREATE (dudeB1)<-[:FRIEND_OF]-(dudeC4) CREATE (dudeB2)<-[:FRIEND_OF )<-[:FRIEND_OF]-(dudeC2) CREATE (dudeB2)<-[:FRIEND_OF]-(dudeC3) CREATE (dudeB2)<-[:FRIEND_OF]-(dudeC4) 2、好友推荐 (1) Lebowski的朋友 MATCH (le:Dude {name:"Lebowski"})<-[:FRIEND_OF]-(some:Dude) RETURN some ?
1K10发布于 2019-10-22 - 来自专栏相约机器人
增加推荐系统的4种方法
作者 | Chandarana 来源 | Medium 编辑 | 代码医生团队 推荐系统可帮助用户找到喜欢的项目。通过为给定用户生成预测的可能性分数或最佳推荐项目列表来实现此目的。 考虑到这一点，以下4点是针对可伸缩性问题的可实现的想法，同时提高了协作过滤建议的质量。 1 - 抛弃基于用户的协同过滤模型。 生成适当的推荐是数据集中其他用户的功能，但挑选这些用的能力取决于相似性度量的选择。 4 - 什么驱动您的用户，推动您的成功。 分数功能应反映用户的效用。 从最终结果开始并向后工作，基于项目的协作过滤的目标是从给定用户尚未评级的所有项目集合中创建最高推荐列表。 Github代码： https://github.com/93tilinfinity/collab-filter-basic/ 推荐阅读 GitHub微软_推荐者：推荐系统的最佳实践
1.5K20发布于 2019-08-09 - 来自专栏程序员叨叨叨
【4】写博客神器——Markdown（附工具推荐）
[我的简书个人主页](http://upload-images.jianshu.io/upload_images/291600-f1aa74cf4c14c6c0.png? 第三行 这是第三行的内容 我是占位行 4. 第四行 这是第四行的内容 引用 引用即我们文章中摘抄他人文章中写的内容，其可以通过 >来实现。 图片来自简书 读者们如果你写简书还没有用过Markdown，笔者强烈推荐你尝试一下，相信你会爱上它的，正如我之前提到过的，Markdown让我放下了CSDN、Lofter的博客平台，提高了我写文章的速度和频率 PS: 本文Markdown工具推荐借鉴自：好用的Markdown编辑器一览，其中还包括windows端和Linux端的工具推荐，感兴趣可以看一下！ 以上就是笔者对Markdown浏览器的推荐，上述每一张图片（除了Mou）都是笔者重新安装APP后截图得到的，有所获益的读者们动动小手，点个赞呗~
1.6K20发布于 2018-08-28 - 来自专栏张俊红
23000字，讲清信息流广告数据分析。
再结合具体的环境（时间、网络环境和位置信息等），向用户推荐其可能感兴趣的广告，从而提升广告和用户的匹配度，促进用户转化 转化效果是大家最关心的，信息流广告的投放都在线上，广告投放效果能够量化，用户各个维度的数据也都可以被统计到 搜索引擎广告是典型的原生广告，广告的样式和搜索出的词条内容非常相似，并且广告的内容和用户的搜索意图相关，转化效果较好 「信息流广告」是媒体主动推荐给用户的广告，可以出现在任意内容中间，搜索引擎广告是用户搜索关键词之后才能展现的 定向 信息流广告的一个基本思路就是“测试看效果” 投放视频的时候会更愿意选择 Wi-Fi 环境 在终端主要有 4 个定向：App 行为、过滤已安装、平台、系统版本 App 行为定向对于竞品的定向是非常精准的 选标题 如果已有创意不行，那么提升效果也不会太理想 巨量引擎广告系统不仅能推荐定向，还能推荐标题 4. 创意还要有“一句话，大部分是要优化师自己来写的，一般不能超过 30个字，媒体也会有“推荐标题”的参考 信息流广告是效果广告，有尝试成本低、数据可以即时反馈效果的特点，更新迭代速度很快，这也造成了信息流广告创意
3K63编辑于 2023-03-21 - 来自专栏图南科技
从产品设计说到了信息流
本文从互联网产品设计中的一些思考，关联介绍到信息流，瀑布流和页面元素相关的概念，希望对你有启发 01 工程师和产品经理关注度不同 对于特定的软件功能 程序工程师关注于功能实现逻辑，模块组合。 05 理解信息流 信息流，它是移动互联网时代的一种内容呈现方式。 英文名叫 feeds，原意是给动物投喂食品。 信息流的精髓： 01 源源不断 02 上瘾 再参照「人工智能分发」的核心的定义，就是由算法和人工智能来决定 什么样的内容在什么样的场景之下给到什么样的用户。 信息流说明 每个平台都有关于信息流定义，分发，商业化相关的产品。
72610发布于 2021-11-30 - 来自专栏JavaEdge
窥探推荐系统1 信息发现2 推荐系统3 分类4 深入推荐机制5 应用6 总结
本文将深入介绍推荐系统的工作原理，和其中涉及的各种推荐机制，以及它们各自的优缺点和适用场景，帮助用户清楚的了解和快速构建适合自己的推荐系统。 2 推荐系统 推荐系统利用特殊的信息过滤技术，将不同的物品或内容推荐给可能对它们感兴趣的用户。 ? 其实在现在的推荐系统中，很少有只使用了一个推荐策略的推荐系统，一般都是在不同的场景下使用不同的推荐策略从而达到最好的推荐效果 例如 Amazon 的推荐，它将基于用户本身历史购买数据的推荐，和基于用户当前浏览的物品的推荐 4 深入推荐机制 4.1 基于人口统计学的推荐（Demographic-based Recommendation） 最易于实现的推荐方法，简单的根据系统用户的基本信息发现用户的相关程度，然后将相似用户喜爱的其他物品推荐给当前用户 4.2 基于内容的推荐 基于内容的推荐是在推荐系统出现之初应用最为广泛的推荐机制，它的核心思想是根据推荐物品或内容的元数据，发现物品或者内容的相关性，然后基于用户以往的喜好记录，推荐给用户相似的物品 ?
74330发布于 2018-12-28 - 来自专栏程序IT圈
Python处理大数据，推荐4款加速神器
在数据科学计算、机器学习、以及深度学习领域，Python 是最受欢迎的语言。Python 在数据科学领域，有非常丰富的包可以选择，numpy、scipy、pandas、scikit-learn、matplotlib。
2.6K10发布于 2021-01-19 - 来自专栏互联网数据官iCDO
信息流广告被套路却无可奈何
痛大家所痛，信息流广告越来越难投相信大家都有共识。我负责对接的信息流渠道成本更是飙升不止，从去年底平均每个激活用户10块钱，上升到今年年初的15块钱，增长了近50%，更难堪的是增成本却不增量。 整体上后端看到我们的主流信息流渠道包的转化数据明显多于广告平台的激活转化数据；细分广告计划看，有的广告计划差别很大，有的则基本一致。大概如下图所示： ? 小A故作深沉地说：“这其实就是信息流代理商在掺量，通过掺量把信息流的推广成本在字面上看来变低，以保住生意，但其实真实成本仍然跟以前一样高。你可以自己算一下”。我打开excel捣腾一圈，果然如此： ? 上表里面假设的买量成本是4元，掺25%的量，利润最终为500元，利润率为3.3%。 如果代理商买到量的价格更低，假设是2块钱，利润就会上升到1000块钱，利润率提升到6.7%。 小A摇了摇头说更换也没有卵用，信息流成本本就非常之高，换神仙也很难改变成本上扬，数量下降，回报入不敷出的局面。
1.5K30发布于 2018-03-27
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