-
UC 信息流推荐模型在多目标和模型优化方面的进展
-
Facebook 面向个性化推荐系统的深度学习推荐模型
-
58 招聘推荐排序算法实战与探索
-
UC 国际信息流推荐中的多语言内容理解
-
推荐系统应该如何保障推荐的多样性?
-
浅谈 UC 国际信息流推荐
-
快看漫画个性化推荐探索与实践
-
解读:滴滴“猜你去哪儿”功能的算法实现
-
推荐系统走向下一阶段最重要的三个问题
-
每天超 50 亿推广流量、3 亿商品展现,阿里妈妈的推荐技术有多牛?
-
京东电商推荐系统实践
-
阿里零售通智能导购推荐技术实践
-
网易新闻推荐:深度学习排序系统及模型
-
个性化推荐技术
-
ABtest 和假设检验、流量分配
-
【一. 概述 -1】推荐系统简介
-
【搜狐】新闻推荐系统的 CTR 预估模型
-
阿里妈妈新突破:深度树匹配如何扛住千万级推荐系统压力
-
前深度学习时代 CTR 预估模型的演化之路
-
推荐系统召回四模型之二:沉重的 FFM 模型
-
基于深度强化学习的新闻推荐模型 DRN
-
国美 11·11:大促场景下的国美智能推荐系统演进之路
-
「回顾」阿里妈妈:定向广告新一代点击率预估主模型——深度兴趣演化网络
-
「回顾」58 同城 综合排序框架 连接效率优化实践
-
推荐系统遇上深度学习 (二十九)-- 协同记忆网络理论及实践
-
推荐系统遇上深度学习 (二十八)-- 知识图谱与推荐系统结合之 MKR 模型原理及实现
-
推荐系统遇上深度学习 (二十五)-- 当知识图谱遇上个性化推荐
-
推荐系统遇上深度学习 (二十二)--DeepFM 升级版 XDeepFM 模型强势来袭!
-
推荐系统遇上深度学习 (二十)-- 贝叶斯个性化排序(BPR) 算法原理及实战
-
推荐系统遇上深度学习 (十八)-- 探秘阿里之深度兴趣网络(DIN) 浅析及实现
-
推荐系统遇上深度学习 (十七)-- 探秘阿里之 MLR 算法浅析及实现
-
推荐系统遇上深度学习 (十四)--《DRN:A Deep Reinforcement Learning Framework for News Recommendation》
-
推荐系统遇上深度学习 (十三)--linUCB 方法浅析及实现
-
大众点评搜索基于知识图谱的深度学习排序实践
-
推荐系统遇上深度学习 (八)--AFM 模型理论和实践
-
推荐系统遇上深度学习 (六)--PNN 模型理论和实践
-
推荐系统遇上深度学习 (二)--FFM 模型理论和实践
-
推荐系统遇上深度学习 (一)--FM 模型理论和实践
-
AutoML 在推荐系统中的应用
-
回顾·搜索引擎算法体系简介——排序和意图篇
-
回顾·CTR 预估系统实践
-
《搜索与推荐中的深度学习匹配》之推荐篇
-
简单聊聊特征工程
-
「回顾」机器学习与推荐系统实践
-
【下】YouTube 深度学习推荐系统的十大工程问题
-
基于对象特征的推荐系统
-
YouTube 推荐系统改进之路
-
「干货」YouTube 基于深度神经网络推荐系统剖析
-
微软专家眼中个性化推荐系统的 5 大研究趋势
-
51 信用卡的个性化推荐体系
-
【杉枫】推荐引擎异步架构设计
-
「回顾」饿了么推荐算法演进及在线学习实践
-
深度学习在序列化推荐中的应用 (1)-GRU4REC 以及扩展
-
饿了么外卖推荐算法中有哪些机制与手段?
-
搜狐新闻推荐算法原理 | “呈现给你的,都是你所关心的”
-
强化学习在新闻推荐中的应用
-
微博广告分层实验平台 (Faraday) 架构实践
-
KDD 2018 | 推荐系统特征构建新进展:极深因子分解机模型
-
如何将知识图谱特征学习应用到推荐系统?
-
推荐引擎中规则以及策略
立即登录,融入AI顶流圈子
加入AIQ,与 22000+ AI领域从业者共同引领中国AI新篇章。
加入AIQ,与 22000+ AI领域从业者共同引领中国AI新篇章。
推荐标签
-
Announcement
引用 9 回帖 3
-
深度学习
引用 166 回帖 14
-
搜索系统
引用 174 回帖 9
-
推荐系统
引用 236 回帖 6
-
spark
引用 118 回帖 5
-
python
引用 7 回帖 3
-
图像识别
引用 82 回帖 4
-
NLP
引用 61 回帖 0
自然语言处理
-
神经网络
引用 115 回帖 8
神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。
-
hadoop
引用 30 回帖 1
-
storm
引用 36 回帖 0
-
ELK
引用 128 回帖 0
-
人工智能
引用 452 回帖 23
人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。
-
职场
引用 99 回帖 -1
-
算法
引用 474 回帖 10
-
java并发
引用 4 回帖 0
-
机器学习
引用 526 回帖 28
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
-
TensorFlow
引用 44 回帖 3
TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow为张量从流图的一端流动到另一端计算过程。
-
数学
引用 6 回帖 0
-
LSTM网络
引用 5 回帖 0
-
贝叶斯
引用 1 回帖 0
-
分类模型
引用 2 回帖 0
-
Spotlight论文
引用 3 回帖 0
-
语音识别
引用 12 回帖 0
-
AI
引用 20 回帖 0
-
学习资源
引用 0 回帖 0
-
开源项目
引用 5 回帖 0
-
机器学习爱好者
引用 11 回帖 0