【RecSys22教程】多阶段推荐系统的神经重排序，90页ppt

重排序是多阶段推荐系统(MRS)中最关键的步骤之一，它通过建模跨物品交互对输入排序列表进行重新排序。由于深度学习的显著进步，最近的重排序方法已经演变为深度神经体系结构。因此，神经网络重新排序已经成为一个趋势话题，许多改进的算法已经在工业应用中得到了应用，并获得了巨大的商业成功。本教程的目的是探索神经系统重新排序的一些近期工作，将它们整合到更广阔的图景中，为未来的研究提供更全面的解决方案铺平道路。特别地，我们根据目标和训练信号提供了当前方法的分类。我们对这些方法进行了定性和定量的检查和比较，并确定了一些开放的挑战和未来的前景。

• 引言 Introduction

• Recommender system basics

• Introduction to multi-stage recommender systems

• Neural re-ranking fundamentals: challenges, objectives, network structures, and evaluations

• 单目标 Single objective: Accuracy-oriented re-ranking

• Learning by observed signals

• Learning by counterfactual signals

• Qualitative model comparison: network structure, optimization, personalization, and complexity

• Quantitative comparison: LibRerank re-ranking library

• 多目标再排序 Multi-objective re-ranking

• Diversity-aware re-ranking

• Fairness-aware re-ranking

• 出现应用 Emerging applications

• Summary and future prospects

讲者：

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“N90” 就可以获取《【RecSys22教程】多阶段推荐系统的神经重排序，90页ppt》专知下载链接

                       

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取100000+AI(AI与军事、医药、公安等)主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取100000+AI主题知识资料