召回里的深度学习进化史

懒死我了,先写个标题
机器学习 01-21    

读后感《解密Instagram》

背景 还是《解密Instagram》这本书,读书笔记总结了里面自己看到的一些段落,但是都是摘抄,今天写一下自己的读后感。 小时候老师说,书读百遍,其义自见。现在没有时间读那么多遍,所以更需要逼自己,读一遍的时候就能思考到其中的意义。 具体说明 感受 感受一:从twitter 到 ins 到tiktok,本质是人类的内容消费,从图文到图片再到视频的发展过度,每个生态都养育了一批属于自己的创作者,跟平台一起成长起来的利益共同体。 感受二:解决最关键的用户问题,把他解决到极致。 感受三:对信息的加工工具很关键,工具会让人的表达水平整体高于枯燥的现实。滤镜让现实成为艺术,滤镜好比在twitter上加了一个一键让人聪明...
产品用研 01-19    

读书笔记:《解密Instagram:一款拍照软件如何改变社交》

背景 朋友圈大佬推荐,推荐了这本《解密Instagram——一款拍照软件如何改变社交》。主要讲的是ins的从创业开始到发展为10亿月活的产品,一路上可谓人间百态,国外的这种书就是写的很专业,很细节,写到了很多专业的难题,读起来让人觉得很有收获,但是我专心读这本书的原因在于,字节跳动的文化影响下,我们都是数据驱动的产品,而ins有很多反数据的设计,在书里也有很多地方讲到了这块,印象最深的就是对转发这个功能的思考。 如果学会反数据驱动,保证自己不断的做成正确的产品决策,当很多问题伴随着社会使命,道德约束,长期价值观的时候,数据是不是就会丧失决策价值,而人们做这些决策又依赖什么?读完这本书,可能有了一些感触。 ...
产品用研 01-18    

读书笔记:数学建模—问题、方法与案例分析

背景 最近在思考先进的产品设计方法背后的原理,数据驱动下的产品设计,不管是UI设计还是推荐策略,究其根本,是数学建模问题。 有目标函数,有约束条件,有自变量跟因变量,有函数关系,求解可行解,最优解,可行解等的过程。 所以,打算重新认真阅读学习一下,数学建模相关的知识。 具体说明 1、什么是数学建模 数学建模是人类应用定量思维的方式,探讨自然现象、社会现象、工程技术以及日常生活重的实际问题的过程。 2、数学建模一般分为几个阶段 数学建模一般分为两个阶段。 首先,分析现象和问题的演化过程,找出其中的关键因素,应用已知规律或者探索新规律建立这些因素之间的定量关系,这个关系即为数学模...
生活琐事 12-16    

关于社区/差异化/定位/认知问题的一些疑惑

背景 没有人觉得B站是一个视频消费平台,大家都觉得B站是二次元社区。这种强烈清晰的定位,B站年轻人的口碑影响加活跃,让所有产品为之疯狂。无数产品前赴后继,社区的产品梦想照耀着每一寸流量。 社区是...
产品用研 12-07    

内容行业之2020

背景 历经了国内多个内容平台,跟很多人讨论、思考过内容行业的变局,直到抖音给出400多亿的创作者分成数据,未来的800亿,6亿DAU,直逼微信的数据,加上快手,西瓜,B站,让人开始重新思考,内容行业。 过去经历的一切,沉淀为经验,让我们安全,觉得自己真理在握。现在发生的一切,颠覆了认知,让我们慌乱,感慨一切沧海桑田。那些曾经引以为傲的,终将变成枷锁与牢笼。 一些新的认知 1、内容行业最大的变局来自:视频与推荐。 视频的消费门槛更低,适合更广阔的人群。 推荐的匹配质量更高,获取更长的时间。 2、社交网络里的直播发生的最早,音视频通信就是社交网络的直播。 所以微信是最大的1V1直播平台。 3...
生活琐事 09-20    

金老师分享一些感悟

背景 9月20日晚上,职人社邀请金叶宸做了一次分享,分享了关于他对视频业务的一些思考,从晚上八点开始,一共两个小时,听了分享,有一些新的收获,记录一下。 分享主题 第一部分是对视频行业的思考,...
产品用研 09-20    

如何"用好"一个特征

背景 大部分所谓的策略产品,日常工作里,都有一块非常重要的工作,就是特征工程相关的工作。 产品会寻找一个特征,然后定义清楚这个特征,然后挖掘计算,给相关方打上这个特征,评估一下特征的准召,然后把这个特征应用到业务上去,看看效果。 对于今天的推荐系统来说,已经有上亿的特征,简单的一个特征确实已经意义不大了,但是产品经理好不容易辛辛苦苦挖掘出来一个特征,必须得找一下存在感,单独加基于这个特征的召回也好,还是加入排序模型看看效果也好,或者是做一个物料池都是常见的手段。 不是说这些手段不对,今天重点讨论一下,怎么才算合理更好的用好一个特征。由于自身经历有限,多有不对的,多多讨论,指点。 ...
产品用研 07-10    

推荐系统里的小小小问题记录

背景 陆陆续续在推荐系统里,有一些小的问题点,记录一下。 具体描述 问题1:相同的数据,距离计算是否一致,相似度计算不准的问题 问题2:Faiss内积跟cos相似度不一致是不是问题 问题3:Topic等聚类中心随着时间漂移,重新聚类id不对应问题 问题4:MMoE模式跟单模型多目标比较的问题 问题5:随着时间迁移,聚类分布改变,重新聚id不一样,不聚聚类中心改变,相似度降低。怎么解决?
生活琐事 05-29