-
电商平台推荐系统解构
-
一猜一个准,详解电商的推荐系统的召回策略
-
灵魂匹配:陌生社交 Soul 的增长机制
-
推荐算法的 "五环之歌"
-
知识增强信息流推荐在保险行业的应用
-
贝壳找房 | 商业化算法中台架构实践
-
微信看一看:推荐系统用户画像构建指南
-
阿里 | 信息流推荐的用户增长机制
-
陌陌直播如何做到推荐系统的从 0 到 1
-
腾讯微信 | 看一看实时相关推荐,满足你对同主题文章的“意犹未尽”
-
网易云音乐推荐中的用户行为序列深度建模
-
贝壳找房 | 面向 AI 技术的贝壳智能推荐平台建设实践
-
58 同城 | 58 同镇下沉市场中的推荐技术实践
-
腾讯看点视频推荐索引构建方案
-
深度学习在 58 同城首页推荐中的应用
-
蘑菇街首页推荐多目标优化之 reweight 实践:一把双刃剑?
-
携程 | 机器学习模型在携程海外酒店推荐场景中的应用
-
深入理解推荐系统:超长用户行为序列建模
-
深入理解推荐系统:推荐系统中的 attention 机制
-
深入理解推荐系统:Fairness、Bias 和 Debias
-
推荐系统中如何做多目标优化
-
网易严选 | "全能选手"—Embedding 召回表征算法实践
-
京东推荐系统中的兴趣拓展如何驱动业务持续增长
-
Angel:深度学习在腾讯广告推荐系统中的实践
-
贝壳找房 | 基于内容热度的推荐
-
58 同城 | 多样性算法在 58 部落的实践和思考
-
亿级用户,腾讯看点信息流推荐系统的架构挑战
-
贝壳找房 | 降本提效,贝壳搜索推荐架构统一之路
-
即刻技术 | 推荐系统 Embedding 向量召回在即刻的工程实践
-
腾讯 | 从零开始了解推荐系统全貌
-
超详细:完整的推荐系统架构设计
-
蘑菇街首页推荐视频流——增量学习与 wide&deepFM 实践(工程 + 算法)
-
让推荐系统会“说话”,达观数据推荐理由设计实践
-
第四范式 | 推荐系统架构治理
-
腾讯 | 深度 CTR 预估模型在应用宝推荐系统中的探索
-
第四范式 | 基于 Spark 的大规模推荐系统特征工程
-
58 同城 | 本地服务场景下的流量分发算法实践
-
阿里飞猪个性化推荐:召回篇
-
微博推荐算法实践与机器学习平台演进
-
优酷提出基于图执行引擎的算法服务框架,系统架构概览
-
Embedding 在腾讯应用宝的推荐实践
-
基于内容和上下文的音乐推荐
-
微信 "看一看" 内容理解与推荐
-
58 同城 | 多业务融合推荐策略实践与思考
-
详文解读微信「看一看」多模型内容策略与召回
-
微信「看一看」 推荐排序技术揭秘
-
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
-
腾讯技术工程 | 推荐系统 embedding 技术实践总结
-
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
-
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
-
用户画像技术及方法论
-
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
-
推荐系统系列(二):FFM 算法理论与实践
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