Google

概述

全球领先的科技公司，在推荐系统领域贡献了 Wide & Deep 模型（2016），该模型在 Google Play 应用推荐中服务 10 亿+用户，开创了"记忆与泛化统一"的推荐范式。

关键内容

1. Wide & Deep 的提出者：2016 年，Google 研究团队（16 位作者，包括 Google Brain 团队的 Greg Corrado）在 DLRS 2016 发表 Wide & Deep 论文，提出将线性模型和深度神经网络联合训练的推荐框架。
2. Google Play 推荐系统：Wide & Deep 在 Google Play 应用商店落地，服务超过 10 亿活跃用户和 100 万+应用，训练数据超 5000 亿条样本，在线 A/B 测试中实现下载率 3.9% 的提升。
3. 工程实践贡献：Google 不仅提出算法，还完整展示了大规模推荐系统的工程实践——从数据流水线、模型训练（FTRL+L1 / AdaGrad 差异化优化）、热启动机制到在线服务（10ms 内完成打分排序），为工业界提供了可参考的部署范式。
4. TensorFlow 开源：Wide & Deep 的实现被集成到 TensorFlow 中，作为 tf.estimator.DNNLinearCombinedClassifier 提供，极大降低了工业界采用深度学习推荐系统的门槛。
5. 其他推荐系统布局：Google 在推荐系统领域还有 YouTube 推荐系统等多项重要工作，持续推动深度学习在工业推荐场景中的大规模落地。

来源

• Heng-Tze Cheng et al. — Wide & Deep Learning for Recommender Systems, DLRS 2016 (arXiv:1606.07792)

相关

• Wide & Deep — Google 提出的推荐模型
• YouTube — Google 旗下视频推荐平台