BT

如何利用碎片时间提升技术认知与能力? 点击获取答案

  • 他的粉丝

    集成学习算法(Ensemble Method)浅析

    作者 陈祥龙 关注 0 他的粉丝 发布于  2018年5月21日

    集成学习算法本身不算一种单独的机器学习算法,而是通过构建并结合多个机器学习器来完成学习任务。可以说是集百家 之所长,能在机器学习算法中拥有较高的准确率,不足之处就是模型的训练过程可能比较复杂,效率不是很高。

  • 他的粉丝

    阿里巴巴AAAI 2018录用论文:基于注意力机制的用户行为建模框架及其在推荐领域的应用

    作者 阿里巴巴云零售事业部-数据技术团队 关注 0 他的粉丝 , 北京大学 关注 0 他的粉丝 发布于  2018年1月26日

    本文提出一种基于注意力机制的用户异构行为序列的建模框架,并将其应用到推荐场景中。我们将不同种类的用户行为序列进行分组编码,并映射到不同子空间中。我们利用self-attention对行为间的互相影响进行建模。最终我们得到用户的行为表征,下游任务就可以使用基本的注意力模型进行有更具指向性的决策。我们尝试用同一种模型同时预测多种类型的用户行为,使其达到多个单独模型预测单类型行为的效果。另外,由于我们的方法中没有使用RNN,CNN等方法,因此在提高效果的同时,该方法能够有更快的训练速度。

  • 他的粉丝

    优酷视频基于用户兴趣个性化推荐的挑战和实践

    作者 李玉 关注 0 他的粉丝 发布于  2018年1月19日

    优酷每天为上亿用户推荐上亿的视频,机器学习模型如何更好的描述与捕捉用户的兴趣成为一大挑战。相比电商、新闻等领域用户对于视频内容的兴趣要更为复杂、感性、微妙、纬度多样,用户的兴趣也会逐渐演进、变化、细分,对于惊喜度(serendipity)与多样性(diversity)的要求也更高。用户的行为数据稀疏、分布偏差大、时域上分布规律也复杂多样。12月9日 ArchSummit北京架构师大会上,优酷数据智能部总监李玉博士,就优酷在《视频推荐中用户兴趣建模、识别的挑战和解法》进行演讲,跟大家分享优酷视频的个性化搜索推荐里跟用户兴趣相关一些问题和思考。

他的粉丝

一篇长文教你学会推荐系统的矩阵分解

作者 Nicolas Hug 关注 1 他的粉丝 ,译者 CarolGuo 关注 2 他的粉丝   发布于  2017年10月17日

一篇长文章介绍如何用PCA和SVD进行矩阵分解,并用于推荐。

他的粉丝

2017年,你还在用用户画像和协同过滤做推荐系统吗?

作者 周开拓 关注 0 他的粉丝 发布于  2017年7月24日

如何使用大规模机器学习解决真实的业务问题?我们今天会以机器学习中的一个典型场景为例来讲解,即基于大规模机器学习模型的推荐系统。

他的粉丝

“想你所想”之个性化推荐:实践与优化

作者 于敬 关注 0 他的粉丝 发布于  2017年6月2日

在当今 DT 时代,每天都在产生着海量的数据,移动互联网的兴起更是让我们体验到获取信息是如此的简单和方便。 同时,更多的选择也带来更多的困扰,面对层出不穷的信息和服务带来的困扰,使得个性推荐迅速崛起,并且大放异彩,在金融、电商、视频、资讯、直播、招聘、旅游等各个领域都能看到推荐系统的存在。

他的粉丝

博客推荐系统——物料准备 (第一部分)

作者 王庆 关注 1 他的粉丝 发布于  2016年5月4日

我们正处于信息过载的时代,很多公司都遇到了信息过载的问题。推荐系统应运而生,它不仅可以从大数据中提取价值,而且还能有效的避免信息过载。本文是博客推荐系统系列文章的第一篇,简单介绍了当前主流的两种推荐系统:协同过滤和基于内容的推荐系统,并详细说明了实现这两种系统需要做的准备工作。 1

他的粉丝

多模型融合推荐算法——从原理到实践

作者 纪达麒 关注 1 他的粉丝 发布于  2016年4月20日

为了实现优秀的推荐效果,众多的推荐算法被提出,并在业界使用。但是其中一类方法非常特殊,我们称为多模型融合算法。融合算法的意思是,将多个推荐算法通过特定的方式组合的方法。融合在推荐系统中扮演着极为重要的作用,本文结合达观数据的实践经验为大家进行系统性的介绍。

他的粉丝

达观数据个性化推荐系统实践

作者 于敬 关注 0 他的粉丝 发布于  2016年3月29日

本文从数据处理、用户行为建模到个性化推荐,分享达观数据在个性化推荐系统方面积累的一些经验。

他的粉丝

点击模型:提升算法精度的利器

作者 江永青 关注 0 他的粉丝 发布于  2016年3月15日

在搜索、推荐、广告引擎中,系统会通过复杂算法生成一个最终的结果列表。用户在看到这个结果列表时,未必都会对排序满意,比如有时觉得排序的顺序有问题,或者发现一些不符合喜好的item。 1

他的粉丝

推荐算法综述(五)

作者 张天雷 关注 4 他的粉丝 发布于  2016年2月2日

在这篇文章中,我们在回顾了所有基本的推荐算法之后,介绍了如何选择最合适的推荐算法。

他的粉丝

推荐算法综述(四)

作者 张天雷 关注 4 他的粉丝 发布于  2016年1月25日

在本文中,我们将介绍混合引荐技术,它是建立在我们前面介绍过的算法之上的。我们也将简要讨论针对协同过滤算法(collaborative filtering,CF)和基于内容的过滤方法中存在的不足,可以如何通过融入item的流行度来缓解这些局限性。

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT