王鸣辉的博客

Wang Minghui's Personal Blog

  1. Youtube排序系统：Recommending What Video to Watch Next: A Multitask Ranking System

    中秋佳节的最后一天分享篇Youtube推荐排序模块的论文

  2. Fairness in Recommendation Ranking through Pairwise Comparisons 分享

    今天分享的是谷歌一篇关于推荐系统中公平性的文章，我之前也没有太关注这一块的工作，今天和大家一起解读一下，希望能为以后的工作提供些启发。

  3. Deep Learning Recommendation Model for Personalization and Recommendation Systems

  4. Top-K Off-Policy Correction for a REINFORCE Recommender System on Youtube

  5. A Simple Convolutional Generative Network for Next Item Recommendation

  6. 深度学习中的微分

    我们在研究与应用深度学习时，会碰到一个无法绕过的内容，就是微分求导，再具体点其实就是反向传播优。如果我们只是简单地应用深度学习、搭搭模型，那么可以不用深究。但是如果想深入的从工程上了解深度学习及对应框架的实现，那么了解程序是如何进行反向传播，自动微分就十分重要了。本文将一步步的从简单的手动求导一直谈到自动微分。

  7. Real-time Personalization using Embeddings for Search Ranking at Airbnb 解读

    最近看到了Airbnb的一篇paper获得了2018年KDD best paper,于是阅读并在组内分享了下，顺便搬到博客上来

  8. Feature Engineering (Transform)

    近期推荐模型也做了一些，小伙伴们也尝试了各种论文的模型，诸如deepFM，NCF，DCN等等，但效果都没有明显的提升，于是也想着是不是从数据集特征入手，重新梳理遍特征工程相关的东西，同时我也在思考，到底模型接受什么样的特征是好的，尤其是对于连续数值型特征，本文算是我对特征工程部分方面记录与总结。

  9. Distributed Training & Tensorflow

    由于场景&数据量的需要，所以之前在组内做了关于分布式训练的分享，这次在博客上发下

  10. Hands-on ML & Interview

    最近在看 Hands-on Machine Learning with Scikit-Learn and TensorFlow 这本书，碰巧又要面试新人，于是便从此书中挖掘了一些问题，在此记录下