淘寶搜尋推薦論文賞析 05 November 2018

摘要： 最近在arxiv下載了幾篇阿里巴巴淘寶發表的，關於商品搜尋排序的論文。 這裡通過學習論文內容來分析一下淘寶的搜尋排序和推薦實踐。 Perceive Your Users in Depth: Learning Universal User Representations from Multi...

最近在arxiv下載了幾篇阿里巴巴淘寶發表的，關於商品搜尋排序的論文。 這裡通過學習論文內容來分析一下淘寶的搜尋排序和推薦實踐。

Perceive Your Users in Depth: Learning Universal User Representations from Multiple E-commerce Tasks

使用者畫像的通用表示學習

Virtual-Taobao: Virtualizing Real-world Online Retail Environment for Reinforcement Learning

淘寶搜尋的增強學習

Reinforcement Learning to Rank in E-Commerce Search Engine: Formalization, Analysis, and Application

使用增強學習模型來優化排序策略

定義 search session Markov decision process 來形式化搜尋過程。然後使用梯度演算法來優化決策過程中的排序策略。

A Brand-level Ranking System with the Customized Attention-GRU Model

Attention-GRU 品牌排序模型。要解決的需求是預測使用者對品牌的偏好程度。

LSTM and GRU 是兩種RNN模型，都具有避免梯度彌散的性質。兩者相比之下，GRU引數較少，訓練過程較快。我們在模型中引入了 attention 機制。

Multi-Level Deep Cascade Trees for Conversion Rate Prediction

提出一個瀑布結構的決策樹整合學習模型

Deep Interest Network for Click-Through Rate Prediction

構建使用者興趣網路模型來預測商品的點選率