文章列表

美团综合业务推荐系统的质量模型及实践

勇皓 根根 王欣 贺贺 俐聪
推荐系统是效果导向的数据应用服务,在功能的“有”和“无”之间,有很长的效果“好”和“坏”的光谱。本文以用户请求的粒度建立质量模型,通过数据血缘关联了数据表、算法模型、系统服务和用户请求,并结合美团综合业务的实践进行了拓展泛化,希望能对大家有所帮助或启发。 阅读全文

TensorFlow在美团外卖推荐场景的GPU训练优化实践

家恒 国庆等
美团机器学习平台基于内部深度定制的TensorFlow研发了Booster GPU训练架构。该架构在整体设计上充分考虑了算法、架构、新硬件的特性,从数据、计算、通信等多个角度进行了深度的优化,最终其性价比达到CPU任务的2~4倍。本文主要讲述Booster架构的设计实现、性能优化及业务落地工作,希望能对从事相关开发的同学有所帮助或者启发。 阅读全文

TensorFlow在推荐系统中的分布式训练优化实践

逸帆 家恒 峥少 鹏鹏 永宇 正阳 黄军
美团内部深度定制的TensorFlow版本,基于原生TensorFlow 1.x架构与接口,从大规模稀疏参数的支持、训练模式、分布式通信优化、流水线优化、算子优化融合等多维度进行了深度优化。在推荐系统场景,分布式扩展性提升10倍以上,单位算力性能也有显著提升,并在美团内部业务中大量使用,本文介绍了相关的优化与实践工作。 阅读全文

强化学习在美团“猜你喜欢”的实践

段瑾
介绍强化学习在美团推荐排序中的应用,包括三个部分:多模型融合的MDP设计奠定了取得收益的基础;针对强化学习鲁棒性和样本利用效率较低的问题,改进DDPG模型使线上取得稳定收益;基于TensorFlow的轻量级实时DRL框架为快速迭代实验提供了保障。 阅读全文

深度学习在美团推荐平台排序中的运用

潘晖 美团搜索推荐团队
在O2O场景中,用户意图明确时,通常通过搜索来解决信息过载的问题,当用户的意图不明确或者很难用清晰的语义表达,搜索引擎就无能为力。这时,推荐系统通过用户行为的分析,理解其意图,并为其推送个性化的结果,便成为一种更好的选择。 阅读全文

旅游推荐系统的演进

郑刚
本文介绍了旅游推荐系统从0到1完整的演进过程,包括:召回/排序策略迭代优化、工程架构设计、应用场景实践等。最后提出了旅游推荐系统未来面临的挑战。 阅读全文