工業與學術上的差距－學術比較關注最優的演算法，工業要考量人、時間、金錢等綜合成本

最后，版本4则由pairwise loss回归到pointwise loss，虽然学术界一直认为排序问题listwise优于pairwise，pairwise优于pointwise，但实践中pointwise常常能达到与pairwise一样好的推荐效果。从人理解角度来看，其实用pointwise来预测用户的点击率，保存率更容易解释，从而用得分作为一个参考，在排序过程中引入其他信号，全面的优化产品的生态系统。
Pinterest推荐系统四年进化之路
63
3
Dong Wang
Kevin Tseng
·Follow
1 min read·
Jul 29, 2018
--
工業與學術上的差距－學術比較關注最優的演算法，工業要考量人、時間、金錢等綜合成本
--
--
Written by Kevin Tseng656 Followers
·316 Following
Area about fake news, information operation, data visualization, and data science
No responses yet
Help
Status
About
Careers
Press
Blog
Privacy
Terms
Text to speech
Teams