推荐系统Rerank二次重排序算法,充电了么,陈敬雷,一、课程优势 本课程有陈敬雷老师的清华大学出版社配套书籍教材 【自然语言处理原理与实战（人工智能科学与技术丛书）】 https://item.jd.com/13951851.html 和【分布式机器学习实战（人工智能科学与技术丛书）】，对应京东自营链接地址： https://item.jd.com/12743009.html 购买后加陈敬雷老师微信chenjinglei66领取课件代码资料！ 二、课程简介 推荐的Rerank排序有几种应用场景，一个是离线计算的时候为每个用户提前用Rerank排序 算法算好推荐结果，另一个是在实时在线Web推荐引擎里做二次融合排序的时候。 但不管哪一种用到的算法是一样的。 比如用逻辑回归、GBDT、随机森林、神经网络等来预测这个商品被点击或者 被购买的可能性的概率，用的模型都是同一个，预测的时候是对特征转换做同样的处理。 一般封装一个通用方法供离线和在线场景调用。 有三种做推荐的Rerank排序的思想： 1.基于逻辑回归、GBDT、随机森林、神经网络的分类思想做二次排序 2.基于Learning to rank排序学习思想做二次排序 3.基于加权组合的公式规则做二次排序 我们这个系列课会全面深度讲解这三种排序算法原理和实现！ 适用人群：适合技术开发、大学生、职业晋升； 机器学习、推荐算法系统开发者； 相关从业者或转行大数据和人工智能。