深度學習在花椒直播中的應用——排序算法篇

排序算法概述 現代推薦系統通常分爲召回和排序兩個階段。召回階段通常會用一些成本低、速度快的模型從十萬、百萬量級的候選集中初步篩選，留下千、百個；而後在排序階段用更加精細的特徵和複雜的模型來進行精排，最終留下topK個。node 近十年間，業界排序模型的發展能夠說是一日千里，從千篇一概的LR，到2010年FM的提出，再到2014年Facebook提出的樹模型GBDT，這幾年能夠當作是現代推薦系統的上

>>阅读原文<<