摘要 一般来说业务的推荐系统的常用的召回算法有两个范式，相似度索引范式(如I2I)，EBR范式（如DeepMatch）。I2I范式缺点在于对共现少的pair难以泛化，难以建模U2I部分，从而模型缺乏准确和个性化。EBR范式虽建模了U2I部分，将用户的兴趣整合成了一个向量。但却无法建模用户每一个行为和打分item之间的关系（类似于Target Attention），从而召回即缺乏多样性。为了融合

嘿，记得给“机器学习与推荐算法”添加星标 | 作者：YEN | 单位：东北大学 | 研究方向：推荐系统、计算广告 本文分享一篇发表在SIGIR’21的点击率预估方面的文章，AutoPI：一种自动发掘点击率预估中强大特征交互的通用方法[1] 论文核心内容：使用Neural Architecture Search（NAS）对CTR问题中特征交互进行搜索 点击率（CTR）预估是个性化广告和推荐系