平时的阅读列表，一般会附上下载链接和关键词。日拱一卒，与诸君共勉。 2024 M9 [Recommendation System, CTR, Machine Learning, LinkedIn, KDD 2024] [PaperNote] LiRank: Industrial Large Scale Ranking Models at LinkedIn [Causal Inference, U ...

TL;DR 本文是LinkedIn的模型团队模型迭代“年终汇报”，包含LinkedIn团队对于各类模型涨点的技巧的实践。 摘要 We present LiRank, a large-scale ranking framework at LinkedIn that brings to production state-of-the-art modeling architectures and op ...

一转眼三年，零零散散还是要写一点，大部分摘自2023的复盘。 关于「工作」 入职那天阿里巴巴的股价 首先，感谢在阿里遇到的所有人，重点感谢师兄子璟，感谢这些人让我从一个技术人成长为一个相对合格的职场人。 工作只是”工作“ 职场中，应当抛开”自我“的属性，只有职场人的属性，大家都是来完成工作的，并没有针对个人的或好或坏的情感。举个简单例子，以前我在上层老板比较多的会议上讲事情会非常紧张，担心 ...

摘要 Data selection bias has been a long-lasting challenge in the machine learning domain, especially in multi-stage recommendation systems, where the distribution of labeled items for model training i ...

摘要 The Click-Through Rate (CTR) prediction task is critical in industrial recom- mender systems, where models are usually deployed on dynamic streaming data in practical applications. Such streaming ...

摘要 Recommendation system serves as a conduit connecting users to an incredibly large, diverse and ever growing collection of contents. In practice, missing information on fresh (and tail) contents nee ...

摘要 The dominant sequence transduction models are based on complex recurrent or convolutional neural networks that include an encoder and a decoder. The best performing models also connect the encoder ...

写在最前面， 本来是想简单摘抄一下这篇文章中的精华，写到一半觉得这篇文章不应如此，本文应该是一篇可以比肩Wide&Deep的文章。如果说Wide&Deep告诉业界推荐就是要搞Embedding，E2E，那么本文可能就是告诉大家CTR模型就是要搞Online Learning，搞ODL，以及围绕这些技术Google广告团队他们都在思考什么样问题。 N年前写本科毕设时，我有幸选中了Wi ...

TL;DR 本文是LinkedIn发表在CIKM 2020上的文章，主要内容是基于曝光行为来做Pacing，控制预算消耗，帮助广告主触达更广泛的人群。 问题背景 LinkedIn的工作搜索和推荐服务的目标是帮助LinkedIn会员寻找下一份好工作，会基于求职人员的兴趣和技能推荐工作机会，同时求职者也可以主动搜索相关工作机会。向求职者推荐的工作大部分都是会基于其与求职者对的相关性进行推荐，同时Lin ...

TL;DR, 本文感觉像是一篇大作业文章，应该还不是终稿，有很多typo而且写得不那么易懂，但Stefan Wager是作者之一。主要讨论两个常见的用于估计“异质处理效应”（HTE）的forest模型，causal forest和model-based forest，这两个模型之间的差异，以及是什么技巧使得这两个模型效果非常好。 结论是，当存在较强confounding时，对于是否施加treatm ...