-
数据智能在二手车业务场景中的探索与沉淀 - 业务标签挖掘
-
所有机器学习项目都适用的检查清单
-
【特征工程】时序特征挖掘的奇技淫巧
-
微信「看一看」 推荐排序技术揭秘
-
TensorFlow 中最大的 30 个机器学习数据集
-
BERT 在美团搜索核心排序的探索和实践
-
医疗搜索中的 query 词权重算法探索
-
优酷视频元素内容召回系统:多级多模态引擎探索
-
【综述】基于知识图谱的推荐系统综述
-
一文总结词向量的计算、评估与优化
-
深入浅出词嵌入技术
-
[详解] 一文读懂 BERT 模型
-
机器学习数学基础:常见分布与假设检验
-
机器学习模型评估与超参数调优详解
-
MRR vs MAP vs NDCG:具有排序意义的度量指标的可视化解释及使用场景分析
-
干货 | 查询耗时降低 2/3,携程度假搜索引擎架构优化
-
NLP 模型的产品化
-
汽车之家机器学习平台的架构与实践
-
腾讯技术工程 | 推荐系统 embedding 技术实践总结
-
准确率、精准率、召回率、F1,我们真了解这些评价指标的意义吗?
-
主流推荐引擎技术及优缺点分析
-
58 同城 | 深度召回在招聘推荐系统中的挑战和实践
-
算法工程师如何应对业务方和老板的灵魂拷问?
-
深度学习在高德 POI 鲜活度提升中的演进
-
内容理解在新浪微博广告中的应用
-
58 同城 | Embedding 技术在房产推荐中的应用
-
微众银行在联邦推荐算法上的探索及应用
-
深入理解推荐系统:排序
-
深入理解 YouTube 推荐系统算法
-
京东电商搜索中的语义检索与商品排序
-
见微知著,你真的搞懂 Google 的 Wide&Deep 模型了吗?
-
用户画像技术及方法论
-
为什么 L2 正则化能够缓解模型过拟合并使得模型更简单
-
知识蒸馏在推荐系统的应用
-
Embedding 技术在推荐系统中的实践总结
-
xDeepFM 算法理论与实践
-
Wide&Deep 算法理论与实践
-
推荐系统系列(二):FFM 算法理论与实践
-
推荐系统系列(一):FM 算法 理论与实践
-
深度学习推荐系统中各类流行的 Embedding 方法(下)
-
【深度语义匹配模型】实践篇:语义匹配在贝壳找房智能客服中的应用
-
请问深度学习里面生成式模型验证常用的一个数据集来源(有图)