本文摘要：众所周知推荐技术在新闻资讯（今日头条）短视频（抖音快手）商品推荐（淘宝）等领域取得了庞大的乐成获得了工业界和学术界的广泛关注。与产物推荐、影戏推荐或是餐厅推荐领域通常有一些公认的基准数据集差别在新闻推荐领域高质量的基准数据集比力匮乏一定水平阻碍和制约了这一领域的深入研究。 （图片：角逐官网截图） 作为毗连人、服务信息甚至是知识之间的桥梁搜索技术和推荐技术应用场景虽有差异可是背后的技术有很大的关联。

众所周知推荐技术在新闻资讯（今日头条）短视频（抖音快手）商品推荐（淘宝）等领域取得了庞大的乐成获得了工业界和学术界的广泛关注。与产物推荐、影戏推荐或是餐厅推荐领域通常有一些公认的基准数据集差别在新闻推荐领域高质量的基准数据集比力匮乏一定水平阻碍和制约了这一领域的深入研究。

（图片：角逐官网截图）

作为毗连人、服务信息甚至是知识之间的桥梁搜索技术和推荐技术应用场景虽有差异可是背后的技术有很大的关联。搜狗搜索作为海内领先的搜索引擎在推荐技术和搜索技术有长足的积累和领先优势才使得搜狗搜索能在与世界各地的技术团队竞赛较量中脱颖而出一举夺冠。

克日搜狗搜索在由微软亚洲研究院和微软新闻产物团队团结举行的“MIND新闻推荐角逐”中技压群雄击败来自加拿大、法国、韩国等全球各地的技术团队荣获国际角逐第一名。

而作为本次国际角逐的冠军队伍搜狗搜索在本次竞赛中再次彰显出了专业的技术实力。凭借着自身在搜索领域和推荐算法方面多年的技术深耕和积累搜狗搜索在本次角逐中接纳了多角度信息综合建模的方案单一模型通过融合多个降采样数据集取得较好效果。

搜狗搜索提供的解决方案各项指标数据均领先最终在本次国际竞赛中夺冠。

详细而言在数据处置惩罚方面针对正负样本不平衡正样本率只有4%的情况搜狗搜索做了1/5负样本降采样并由此构建了5份差别数据集（负样本差别)有效节约了单模型训练时间而且单模型效果和使用全量数据相比并没有显着效果衰减。除此之外在文本建模方面使用BERT的BPR分词器接纳文档内部词汇Attention文档间使用要预测的目的新闻举行Attention综合建模。

最后通过DNN+DIN注意力机制+DLRM(特征交织)的联合举行多角度特征融合包罗用户ID、文档ID、种别、实体、标题、摘要和正文特征等对多角度信息举行有效融合使得新闻推荐做到越发精准和个性化。更值得一提的是搜狗搜索的这些领先技术现在已在包罗搜狗搜索APP、搜狗手机浏览器等多款产物中落地应用。

（图片：技术原理示意）

为此微软亚洲研究院团结微软新闻产物团队在ACL 2020上公布了规模最大的英文新闻推荐数据集MIND并举行了 MIND 新闻推荐角逐。

此次的角逐正是基于MIND新闻推荐数据集展开在全球规模内征集最优秀的个性化新闻推荐解决方案更好地推动新闻推荐领域的技术生长以改善用户的新闻阅读体验。

。

本文关键词：hth华体会体育全站app,搜狗,搜索,荣获,MIND,新闻,推荐,竞赛,冠军

本文来源：hth华体会体育全站app-www.gangdugroup.com