网易云音乐:基于分布式图学习的推荐系统优化之路
在“精准推荐者得民心”的今天,推荐系统已成为各大互联网公司的标配。但由于现实中很多数据是非欧氏空间生成的(例如,社交网络、信息网络等),一些复杂场景下的业务需求很难通过协同过滤等基于历史行为挖掘用户或产品相似性的传统算法来满足。图神经网络作为一种约束性较少、极其灵活的数据表征方式,在深度学习各主要领域中崭露头角,一系列图学习模型涌现并得到越来越多的应用。
如何破解历史行为稀少的用户冷启动问题
大规模图模型如何训练?
基于PGL的行为域知识迁移解决冷启动问题
基于PGL通用的分布式能力进行训练
想了解更多落地细节和实战经验?
更多资料请关注
PGL图学习框架Github代码仓库:https://github.com/PaddlePaddle/PGL
飞桨推荐系统:https://github.com/PaddlePaddle/paddlerec
飞桨分布式:https://github.com/PaddlePaddle/fleetx
飞桨深度学习框架Github代码仓库:https://github.com/PaddlePaddle/Paddle
对于想要了解图神经网络及其分布式应用的小伙伴,可以围观PGL团队倾力开发的图神经网络课程,带你七天高效入门:https://github.com/PaddlePaddle/PGL/tree/main/course
如感觉不错,欢迎“Star”;如需交流,欢迎“Issue”,我们将及时反馈;如您有基于飞桨的产业落地案例,欢迎发送至邮件paddle-up@baidu.com。
评论