前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >玩转红黑树:算法背后的平衡与旋转技巧

玩转红黑树:算法背后的平衡与旋转技巧

作者头像
用户11286421
发布于 2025-03-18 04:51:51
发布于 2025-03-18 04:51:51
8700
代码可运行
举报
文章被收录于专栏:学习学习
运行总次数:0
代码可运行

红黑树的规则

  1. 节点颜色:每个节点要么是红色的,要么是黑色的。
  2. 根节点是黑色:树的根节点必须是黑色的。
  3. 红色节点的父节点是黑色的:不能有两个连续的红色节点(即红色节点不能相邻)。
  4. 每个叶子节点(NIL节点)是黑色的:虽然叶子节点没有存储数据,但在树的表示中,它们被视为黑色节点。 (这个规则来源于《算法导论》等书籍上——每一个叶子结点(NIL)都是黑色的) 在红黑树(Red-Black Tree)中,NIL节点指的是一种虚拟的“空”节点,它是树中的叶子节点。尽管这些节点本身并不存储数据,它们在红黑树的实现中非常重要,主要用来简化树的结构和算法。
  5. 从任何节点到其每个叶子节点的路径上,必须包含相同数量的黑色节点:这一规则确保了从根到叶子路径的平衡性。
  6. 插入时的修正操作:在插入新节点时,可能会破坏红黑树的性质,需要通过旋转和颜色变化来修复树。

红黑树的存储结构

红黑树的结构主要由 节点 和 树的关系 组成。每个节点包含了数据(键值对)、左右子节点指针、父节点指针和颜色。树通过这些指针将节点连接起来,形成一个具有平衡性质的二叉查找树。

  • 树的基本结构:每个节点都连接着左右子节点和父节点,确保树可以通过这些指针进行遍历、插入和删除操作。
  • 颜色:每个节点的颜色(红色或黑色)用于保证红黑树的平衡性。根据红黑树的性质,树的高度限制和搜索效率可以保持在O(logn) 时间复杂度。
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// 枚举值表⽰颜⾊ 
enum Colour
{
 	RED,
 	BLACK
};
// 这⾥我们默认按key/value结构实现 
template<class K, class V>
struct RBTreeNode
{
	 // 这⾥更新控制平衡也要加⼊parent指针 
	 pair<K, V> _kv;
	 RBTreeNode<K, V>* _left;
	 RBTreeNode<K, V>* _right;
	 RBTreeNode<K, V>* _parent;
	 Colour _col;
	 RBTreeNode(const pair<K, V>& kv)
		 :_kv(kv)
		 , _left(nullptr)
		 , _right(nullptr)
		 , _parent(nullptr)
	 {}
};
template<class K, class V>
class RBTree{
 	typedef RBTreeNode<K, V> Node;
public:
private:
 	Node* _root = nullptr;
};

红黑树插入一个值的大概过程以及代码实现

说明:下图中假设我们把新增结点标识为c(cur),c的⽗亲标识为p(parent),p的⽗亲标识为g(grandfather),p的兄弟标识为u(uncle)。

  1. 插入新节点:按照普通二叉查找树(BST)的方式插入新节点。新节点总是被插入为红色的,以便于稍后进行修复操作。
  2. 修复红黑树性质:插入新节点后,可能会违反红黑树的某些性质,特别是: 可能会违反“两个红色节点不能相邻”这一规则。 可能会导致根节点不是黑色的。
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
bool Insert(const pair<K, V>& kv)
	{
		if (_root == nullptr)
		{
			_root = new Node(kv);
			_root->_col = BLACK;
			return true;
		}

		Node* parent = nullptr;
		Node* cur = _root;
		while (cur)
		{
			if (cur->_kv.first < kv.first)
			{
				parent = cur;
				cur = cur->_right;
			}
			else if (cur->_kv.first > kv.first)
			{
				parent = cur;
				cur = cur->_left;
			}
			else
			{
				return false;
			}
		}

		cur = new Node(kv);
		cur->_col = RED;
		if (parent->_kv.first < kv.first)
		{
			parent->_right = cur;
		}
		else
		{
			parent->_left = cur;
		}

		cur->_parent = parent;
		//...进行旋转、调整等操作

为了修复这些问题,需要进行颜色调整和树的旋转操作。

红黑树的调整(旋转部分)

红黑树的旋转,底层也是跟AVL树一样,有着右旋、左旋、左右旋、右左旋。不过旋转的次数相对更加少了,

  • 右旋:
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
void RotateR(Node* parent)
{
	Node* cur = parent->_left;
	Node* curright = cur->_right;

	parent->_left = curright;

	if (curright)
	{
		curright->_parent = parent;
	}

	cur->_right = parent;

	Node* ppnode = parent->_parent;

	parent->_parent = cur;

	if (ppnode == nullptr)
	{
		_root = cur;
		cur->_parent = nullptr;
	}
	else
	{
		if (ppnode->_left == parent)
		{
			ppnode->_left = cur;
		}
		else
		{
			ppnode->_right = cur;
		}

		cur->_parent = ppnode;
	}
}
  • 左旋:
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
void RotateL(Node* parent)
{

	Node* cur = parent->_right;

	Node* curleft = cur->_left;

	parent->_right = curleft;

	if (curleft)
	{
		curleft->_parent = parent;
	}

	cur->_left = parent;

	Node* ppnode = parent->_parent;

	parent->_parent = cur;

	if (parent == _root)
	{
		_root = cur;
		cur->_parent = nullptr;
	}
	else
	{
		if (ppnode->_left == parent)
		{
			ppnode->_left = cur;
		}
		else
		{
			ppnode->_right = cur;
		}

		cur->_parent = ppnode;
	}
}

红黑树的调整(颜色部分)

  • 情况1只变⾊,不旋转。(u存在且为红)

c为红,p为红,g为⿊,u存在且为红,则将p和u变⿊,g变红。在把g当做新的c,继续往上更新。

在这里插入图片描述
在这里插入图片描述

分析:因为p和u都是红⾊,g是⿊⾊,把p和u变⿊,左边⼦树路径各增加⼀个⿊⾊结点,g再变红,相当于保持g所在⼦树的⿊⾊结点的数量不变,同时解决了c和p连续红⾊结点的问题,需要继续往上更新是因为,g是红⾊,如果g的⽗亲还是红⾊,那么就还需要继续处理; 如果g的⽗亲是⿊⾊,则处理结束了; 如果g就是整棵树的根,再把g变回⿊⾊。

  • 情况2,单旋 + 变色。( u不存在或者u存在且为黑) c为红,p为红,g为⿊,u不存在或者u存在且为⿊。 u不存在,则c⼀定是新增结点。 u存在且为⿊,则c⼀定不是新增,c之前是⿊⾊的,是在c的⼦树中插⼊,符合情况1,变⾊将c从⿊⾊变成红⾊,更新上来的。
在这里插入图片描述
在这里插入图片描述

分析:p必须变⿊,才能解决,连续红⾊结点的问题,u不存在或者是⿊⾊的,这⾥单纯的变⾊⽆法解决问题,需要旋转+变⾊。

如果p是g的左,c是p的左,那么以g为旋转点进⾏右单旋,再把p变⿊,g变红即可。p变成课这颗树新的根,这样⼦树⿊⾊结点的数量不变,没有连续的红⾊结点了,且不需要往上更新,因为p的⽗亲是⿊⾊还是红⾊或者空都不违反规则。

如果p是g的右,c是p的右,那么以g为旋转点进⾏左单旋,再把p变⿊,g变红即可。p变成课这颗树新的根,这样⼦树⿊⾊结点的数量不变,没有连续的红⾊结点了,且不需要往上更新,因为p的⽗亲是⿊⾊还是红⾊或者空都不违反规则。

情况3:,双旋+变色 (u不存在或者u存在且为⿊) c为红,p为红,g为⿊,u不存在或者u存在且为⿊。 u不存在,则c⼀定是新增结点。 u存在且为⿊,则c⼀定不是新增,c之前是⿊⾊的,是在c的⼦树中插⼊,符合情况1,变⾊将c从⿊⾊变成红⾊,更新上来的。

在这里插入图片描述
在这里插入图片描述

分析:p必须变⿊,才能解决,连续红⾊结点的问题,u不存在或者是⿊⾊的,这⾥单纯的变⾊⽆法解 决问题,需要旋转+变⾊。

如果p是g的左,c是p的右,那么先以p为旋转点进⾏左单旋,再以g为旋转点进⾏右单旋,再把c变⿊,g变红即可。c变成课这颗树新的根,这样⼦树⿊⾊结点的数量不变,没有连续的红⾊结点了,且不需要往上更新,因为c的⽗亲是⿊⾊还是红⾊或者空都不违反规则。

如果p是g的右,c是p的左,那么先以p为旋转点进⾏右单旋,再以g为旋转点进⾏左单旋,再把c变⿊,g变红即可。c变成课这颗树新的根,这样⼦树⿊⾊结点的数量不变,没有连续的红⾊结点了,且不需要往上更新,因为c的⽗亲是⿊⾊还是红⾊或者空都不违反规则。

红黑树的插入代码实现

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
template<class K, class V>
class RBTree
{
	typedef RBTreeNode<K, V> Node;
public:
	bool Insert(const pair<K, V>& kv)
	{
		if (_root == nullptr)
		{
			_root = new Node(kv);
			_root->_col = BLACK;
			return true;
		}

		Node* parent = nullptr;
		Node* cur = _root;
		while (cur)
		{
			if (cur->_kv.first < kv.first)
			{
				parent = cur;
				cur = cur->_right;
			}
			else if (cur->_kv.first > kv.first)
			{
				parent = cur;
				cur = cur->_left;
			}
			else
			{
				return false;
			}
		}

		cur = new Node(kv);
		cur->_col = RED;
		if (parent->_kv.first < kv.first)
		{
			parent->_right = cur;
		}
		else
		{
			parent->_left = cur;
		}

		cur->_parent = parent;

		while (parent && parent->_col == RED)
		{
			Node* grandfather = parent->_parent;
			if (grandfather->_left == parent)
			{
				//   g
				// p   u
				//
				Node* uncle = grandfather->_right;
				// uncle存在且为红
				if (uncle && uncle->_col == RED)
				{
					// 变色
					parent->_col = uncle->_col = BLACK;
					grandfather->_col = RED;

					// 继续往上处理
					cur = grandfather;
					parent = cur->_parent;
				}
				else  // uncle不存在,或者存在且为黑
				{
					if (cur == parent->_left)
					{
						// 旋转+变色
						//    g
						//  p   u
						//c
						RotateR(grandfather);
						parent->_col = BLACK;
						grandfather->_col = RED;
					}
					else
					{
						// 旋转+变色
						//    g
						//  p   u
						//    c
						RotateL(parent);
						RotateR(grandfather);
						cur->_col = BLACK;
						grandfather->_col = RED;
					}

					break;
				}
			}
			else
			{
				//	 g
				// u   p
				Node* uncle = grandfather->_left;
				// 叔叔存在且为红,-》变色即可
				if (uncle && uncle->_col == RED)
				{
					parent->_col = uncle->_col = BLACK;
					grandfather->_col = RED;
					// 继续往上处理
					cur = grandfather;
					parent = cur->_parent;
				}
				else // 叔叔不存在,或者存在且为黑
				{
					// 情况二:叔叔不存在或者存在且为黑
					// 旋转+变色
					//    g
					//  u   p
					// c
					if (cur == parent->_right)
					{
						RotateL(grandfather);
						parent->_col = BLACK;
						grandfather->_col = RED;
					}
					else
					{
						//    g
						//  u   p
						// c
						RotateR(parent);
						RotateL(grandfather);
						cur->_col = BLACK;
						grandfather->_col = RED;
					}

					break;
				}
			}
		}

		_root->_col = BLACK;

		return true;
	}

红⿊树的查找

按⼆叉搜索树逻辑实现即可,搜索效率为 O(logN)

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
Node* Find(const K& key)
{
    Node* cur = _root;
    
    while (cur)
    {
        if (cur->_kv.first < key)
        {
            cur = cur->_right;
        }
        else if (cur->_kv.first > key)
        {
            cur = cur->_left;
        }
        else
        {
            return cur;
        }
    }
    
    return nullptr;
}

检查红黑树是否平衡

这⾥获取最⻓路径和最短路径,检查最⻓路径不超过最短路径的2倍是不可⾏的,因为就算满⾜这个条件,红⿊树也可能颜⾊不满⾜规则,当前暂时没出问题,后续继续插⼊还是会出问题的。所以我们还是去检查4点规则,满⾜这4点规则,⼀定能保证最⻓路径不超过最短路径的2倍。

  1. 规则1枚举颜⾊类型,天然实现保证了颜⾊不是⿊⾊就是红⾊。
  2. 规则2直接检查根即可
  3. 规则3前序遍历检查,遇到红⾊结点查孩⼦不太⽅便,因为孩⼦有两个,且不⼀定存在,反过来检查⽗亲的颜⾊就⽅便多了。
  4. 规则4前序遍历,遍历过程中⽤形参记录跟到当前结点的blackNum(⿊⾊结点数量),前序遍历遇到⿊⾊结点就++blackNum,⾛到空就计算出了⼀条路径的⿊⾊结点数量。再任意⼀条路径⿊⾊结点数量作为参考值,依次⽐较即可。
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
bool Check(Node* root, int blackNum, const int refNum)
{
    if (root == nullptr)
    {
        // 前序遍历⾛到空时,意味着⼀条路径⾛完了 
        //cout << blackNum << endl;
        if (refNum != blackNum)
        {
            cout << "存在⿊⾊结点的数量不相等的路径" << endl;
            return false;
        }
        return true;
    }

    // 检查孩⼦不太⽅便,因为孩⼦有两个,且不⼀定存在,反过来检查⽗亲就⽅便多了 
    if (root->_col == RED && root->_parent->_col == RED)
    {
        cout << root->_kv.first << "存在连续的红⾊结点" << endl;
        return false;
    }
    if (root->_col == BLACK)
    {
        blackNum++;
    }

    return Check(root->_left, blackNum, refNum) && Check(root->_right, blackNum, refNum);
}

bool IsBalance()
{
    if (_root == nullptr)
        return true;
    if (_root->_col == RED)
        return false;

    // 参考值 
    int refNum = 0;
    Node* cur = _root;
    while (cur)
    {
        if (cur->_col == BLACK)
        {
            ++refNum;
        }
        cur = cur->_left;
    }

    return Check(_root, 0, refNum);
}
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2025-03-17,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
1.9万亿参数量,快手落地业界首个万亿参数推荐精排模型
个性化推荐系统旨在根据用户的行为数据提供「定制化」的产品体验,精准的推荐系统模型也是很多互联网产品的核心竞争力。作为一款国民级短视频 App,快手每天都会为数亿用户推荐上百亿的视频,这就涉及到一个挑战:推荐系统模型如何精准地描述与捕捉用户的兴趣?
机器之心
2021/02/23
2.2K0
1.9万亿参数量,快手落地业界首个万亿参数推荐精排模型
遍览数年历史视频、挖掘用户隐藏兴趣,快手终身行为建模方案TWIN入选KDD 2023
本期为大家介绍快手 - 社区科学线自研论文:TWIN: TWo-stage Interest Network for Lifelong User Behavior Modeling in CTR Prediction at Kuaishou 本文发表于 2023 年 KDD Applied Data Science Track(录取率 25.4%),旨在解决传统的超长行为建模中长久存在的「两阶段中相似度度量标准不一致」问题,从而提升超长行为建模的精准度。
机器之心
2023/09/08
1.3K0
遍览数年历史视频、挖掘用户隐藏兴趣,快手终身行为建模方案TWIN入选KDD 2023
深入理解推荐系统:超长用户行为序列建模
作为【推荐系统】系列文章的第七篇,将以CIKM2020中的一篇论文“Search-based User Interest Modeling with Lifelong Sequential Behavior Data for Click-Through Rate Prediction”作为今天的主角,主要介绍针对Lifelong用户行为序列建模的方案,用户行为长度可以达到上万,而且可以像DIN那样,对于不同的候选商品从用户行为里查找有效的信息建模用户的特殊兴趣。
Coggle数据科学
2020/12/16
5.9K0
深入理解推荐系统:超长用户行为序列建模
大厂怎么做 | 快手短视频推荐中的多目标排序
快手是中国领先的短视频和直播社区,拥有超过3亿的DAU和丰富的社交数据。快手秉承的价值观是真实、多元、美好、有用,致力于提高每一个用户独特的幸福感。而推荐覆盖了快手大部分流量,极大地影响整体生态,并直接作用于 DAU 和 APP 整体时长。短视频推荐需要更多地考虑生态,优化目标和约束非常多,包括消费侧指标、生产侧指标和社交侧指标。
NewBeeNLP
2023/08/28
1K0
大厂怎么做 | 快手短视频推荐中的多目标排序
深入理解推荐系统:十大序列化推荐算法梳理
作为【推荐系统】系列文章的第九篇,将以“序列化推荐算法”作为今天的主角,主要介绍相关的模型原理和发展方向。
Coggle数据科学
2021/03/02
2.7K0
深入理解推荐系统:十大序列化推荐算法梳理
移动端部署推荐系统:快手获数据挖掘顶会CIKM 2022最佳论文
获奖论文《Real-time Short Video Recommendation on Mobile Devices》针对短视频推荐场景,传统服务端部署的推荐系统在决策时机和实时特征利用方面的不足问题,通过在移动客户端部署推荐系统来实时响应用户反馈,提高推荐结果的精准度,从而提升用户体验。论文提出的方案 100% 流量部署到了快手短视频推荐生产环境,影响了日均超过 3.4 亿用户的体验,是端上智能在大规模推荐场景落地的创新实践。
机器之心
2022/12/15
7780
移动端部署推荐系统:快手获数据挖掘顶会CIKM 2022最佳论文
从零开始了解推荐系统全貌
| 导语 根据实际项目经验,从零开始介绍推荐的基础知识与整体框架。希望能帮助大家在了解部分碎片化知识后,形成对推荐系统全貌的认知。 本文作者:yijiapan,腾讯WXG数据科学 一、推荐算法的理解如果说互联网的目标就是连接一切,那么推荐系统的作用就是建立更加有效率的连接,节约大量用户与内容和服务连接的时间和成本。如果把推荐系统简单拆开来看,推荐系统主要是由数据、算法、架构三个方面组成。 数据提供了信息。数据储存了信息,包括用户与内容的属性,用户的行为偏好例如对新闻的点击、玩过的英雄、购买的物品等等。这些数
腾讯大讲堂
2022/03/03
4.6K0
搜推广生死判官:重排技术发展
全文1.2W字,PC阅读戳:https://f0jb1v8xcai.feishu.cn/wiki/LPlAwm6vSiesFBkysh8csZYfn1g
NewBeeNLP
2024/06/17
1.7K0
搜推广生死判官:重排技术发展
美团外卖推荐智能流量分发的实践与探索
美团外卖推荐团队在推荐算法的长期落地实践中,针对外卖业务情境化特点对排序模型进行深入探索与优化。本文介绍了面向情境化建模的“情境细分+统一模型”建模思路,通过用户行为序列建模以及专家网络两个模块的优化,实现不同场景间对信息独有性的刻画和信息共性的相互传递,进而提升全部流量效率。
美团技术团队
2022/12/16
1.4K0
美团外卖推荐智能流量分发的实践与探索
推荐系统技术演进趋势:排序篇
《推荐系统技术演进趋势》从召回篇、排序篇、重排篇依次更新,本文为排序篇。错过《推荐系统技术演进趋势:召回篇》的小伙伴可以点击链接跳转阅读。
NewBeeNLP
2021/04/26
1.9K0
推荐系统技术演进趋势:排序篇
得物社区推荐精排模型演进
得物社区是一大批年轻人获取潮流信息、分享日常生活的潮流生活社区。其中用户浏览的信息,进行个性化的分发,是由推荐系统来决策完成的。目前得物社区多个场景接入了推荐算法,包括首页推荐双列流、沉浸式视频推荐、分类 tab 推荐流、直播推荐流等多个场景,为了给用户提供更好的服务和体验,我们从整个推荐系统维度为相关服务做了大量优化。现在主流的推荐系统都会有召回、粗排、精排和机制等多个模块组成,本文主要介绍我们在精排层面演进过程中做的一些工作和思考。
得物技术
2023/07/04
1.4K0
得物社区推荐精排模型演进
WWW'22 推荐系统论文之序列推荐篇
WWW 2022已公布录用论文,接收323篇/投稿1822篇,录用率为17.7%,完整录用论文列表见https://www2022.thewebconf.org/accepted-papers/
枫桦
2022/08/02
1.5K0
推荐系统技术演进趋势:从召回到排序再到重排
地址:https://zhuanlan.zhihu.com/p/100019681
DeePR
2020/01/16
2.6K0
推荐系统技术演进趋势:从召回到排序再到重排
端智能在大众点评搜索重排序的应用实践
总第490篇 2022年 第007篇 端智能,是指在移动端设备运行人工智能(AI)应用的技术。本文主要讲述大众点评搜索场景下,在端侧部署大规模深度学习模型进行搜索重排序任务的实践方案,包括端上特征工程、模型迭代思路,以及具体部署优化的过程,希望能对从事相关领域开发的同学有所帮助或者启发。 1 引言 2 排序系统进阶:为什么需要端上重排 2.1 云端排序痛点 2.2 端智能重排流程和优势 3 端上重排序算法探索与实践 3.1 特征工程 3.2 用户反馈行为序列建模 3.3 重排模型设计 3.4 多场景应用效
美团技术团队
2022/03/04
1.2K0
端智能在大众点评搜索重排序的应用实践
2022年02月24日 作者: 祝升 刘哲 汤彪 文章链接 12434字 25分钟阅读
用户3839453
2022/03/01
6430
微博推荐实时大模型的技术演进
本文约6500字,建议阅读13分钟 本文将介绍近年来推荐大模型的演进,以及其中一些重要的技术点。 [ 导读 ] 本文将介绍近年来推荐大模型的演进,以及其中一些重要的技术点(本文基于2022年底在DataFun的分享成文,仅代表当时的技术和业务情况)。 主要内容包括四大部分: 1. 微博推荐技术路线回顾 2. 推荐大模型技术近期迭代 3. 以增强链路表达一致性为目标 4. 其他技术点 01、技术路线回顾 1. 业务场景与特点 本团队在微博 APP 中负责的推荐业务主要包括: ① 首页推荐下的所有 tab 栏的
数据派THU
2023/05/11
4700
微博推荐实时大模型的技术演进
推荐系统遇上深度学习(一二一)-基于用户行为检索的点击率预估模型
之前咱们介绍过阿里的SIM,通过一种两阶段的方式来使用用户所有行为序列来提升点击率预估的精度。而最近阿里的最新的进展中,尝试将两阶段的处理方式升级为端到端的处理方式,相关的论文会在后续进行介绍。而今天,我们主要介绍另一篇通过两阶段的方式对用户行为序列进行使用的论文UBR4CTR,一起来看一下。
石晓文
2021/08/25
1.2K0
推荐系统遇上深度学习(一二一)-基于用户行为检索的点击率预估模型
海纳“千川”:得物多场景统一推荐平台
得物的推荐场景,除了首页瀑布流等几个比较大的场景之外,还有很多长尾的小场景,包括:频道、会场、购中购后场景、品牌墙等。这类场景存在单个场景体量小(UV和GMV均偏小)、场景零散、类型多元的情况。如需对这类场景进行单独优化,涉及的成本投入远高于产出。而随着业务发展,这类长尾场景只会越来越多,对这类场景的优化亟待解决。因此,我们需要这样一个通用推荐平台,来承接住这些小场景,并能够持续优化,带来收益。“化零为整”、“兼容并包”、“统一平台”,这就是千川。
得物技术
2023/06/14
6740
海纳“千川”:得物多场景统一推荐平台
精排模型-从MLP到行为序列:DIN、DIEN、MIMN、SIM、DSIN
如下图 [1][2],阿里妈妈的精排模型,经历了从传统 LR、MLR 到深度模型 GwEN,再到用户兴趣建模的过程。
张小磊
2022/10/31
2.9K0
多目标学习在推荐系统中的应用
一般来说在搜索和推荐等信息检索场景下,最基础的一个目标就是用户的 CTR,即用户看见了一篇内容之后会不会去点击阅读。但其实用户在产品上的行为是多种多样的。比如在微信的订阅号中,用户可以对某个内容进行点赞,可以收藏这个内容,可以把它分享出去,甚至某篇文章如果他觉得比较符合他的兴趣,也可以进行留言。
石晓文
2020/11/09
3.9K0
多目标学习在推荐系统中的应用
推荐阅读
相关推荐
1.9万亿参数量,快手落地业界首个万亿参数推荐精排模型
更多 >
LV.1
这个人很懒,什么都没有留下~
目录
  • 红黑树的规则
  • 红黑树的存储结构
  • 红黑树插入一个值的大概过程以及代码实现
  • 红黑树的调整(旋转部分)
  • 红黑树的调整(颜色部分)
  • 红黑树的插入代码实现
  • 红⿊树的查找
  • 检查红黑树是否平衡
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档