首页
学习
活动
专区
工具
TVP
发布

专知

专栏成员
835
文章
1416060
阅读量
397
订阅数
人工智能在商业营销中的十个应用
【导读】这几年人工智能的发展趋势迅猛,不仅在科学研究领域成为热门研究方向,而且涌现大量的AI创业公司。有人说2018年是人工智能落地元年,那么人工智能与商业营销究竟有哪些成功的结合呢?本文介绍了人工智
WZEARW
2018-06-05
4K0
【论文推荐】最新七篇推荐系统相关论文—正则化奇异值、用户视角、CTR预测、Top-k、人机交互、隐反馈
【导读】既昨天推出六篇推荐系统(Recommended System)相关,专知内容组今天又推出最近七篇推荐系统相关文章,为大家进行介绍,欢迎查看! 1. Regularized Singular Value Decomposition and Application to Recommender System(正则化奇异值分解和其在推荐系统的应用) ---- ---- 作者:Shuai Zheng,Chris Ding,Feiping Nie 机构:University of Texas at Arlin
WZEARW
2018-06-05
6870
【干货】一文教你构建图书推荐系统(附代码)
【导读】推荐系统在电子商务网站中广泛被使用,如何向用户推荐最适合其品味的产品是研究的重点。本文在Book Crossing数据集的基础上进行图书推荐系统的研究,详细讲解了构建推荐系统的步骤:加载数据集
WZEARW
2018-06-05
6K0
网络节点表示学习论文笔记03—基于异构网络节点表示的推荐系统
【导读】异构网络可以很好地建模推荐系统中的用户、物品和属性,如何利用异构网络来提取用户、物品的特征,并预测user-iterm rating是一个比较有挑战性的问题。网络节点表示学习(NRL)是一个不错的方案,但大多数NRL算法都基于同构网络设计,因此在将其应用在异构网络时,需要做许多改进。本文中的算法使用基于Meta-Path的随机游走、节点过滤、特征融合、矩阵分解等技术,设计了基于异构网络的推荐算法,取得了很好的效果。 【论文】:Heterogeneous Information Network Em
WZEARW
2018-04-13
3.1K2
【论文推荐】最新6篇推荐系统(Recommendation System)相关论文—深度、注意力、安全、可解释性、评论、自编码器
【导读】专知内容组整理了最近六篇推荐系统(Recommendation System)相关文章,为大家进行介绍,欢迎查看! 1. DKN: Deep Knowledge-Aware Network for News Recommendation(DKN:基于深度知识语义网络的新闻推荐) ---- ---- 作者:Hongwei Wang,Fuzheng Zhang,Xing Xie,Minyi Guo 摘要:Online news recommender systems aim to address the
WZEARW
2018-04-13
3.2K0
【论文推荐】最新5篇推荐系统相关论文—文档向量矩阵分解、异构网络融合、树结构深度模型、深度强化学习、负二项矩阵分解
【导读】专知内容组整理了最近五篇推荐系统(Recommender System)相关文章,为大家进行介绍,欢迎查看! 1. ParVecMF: A Paragraph Vector-based Matrix Factorization Recommender System(ParVecMF:基于文档向量矩阵分解模型的推荐系统) ---- ---- 作者:Georgios Alexandridis,Georgios Siolas,Andreas Stafylopatis 摘要:Review-based rec
WZEARW
2018-04-13
1.2K0
【推荐系统教程】当机器学习遇到推荐系统,悉尼科技大学Liang Hu博士最新分享
【导读】第32届AAAI大会-AAAI 2018将于2月2号-7号在美国新奥尔良召开,悉尼科技大学Liang Hu博士即将在大会作报告“When Advanced Machine Learning Meets Intelligent Recommender Systems” ,主要教读者如何用最前沿的机器学习算法实现智能推荐系统。主要内容包括但不局限于:推荐系统的发展进程、如何用机器学习方法建模异构数据、在推荐系统中使用前沿的机器学习算法、构建先进的推荐系统等。文章对推荐算法的总结较为全面,并介绍最新的技术
WZEARW
2018-04-13
2.1K0
【论文推荐】最新5篇深度强化学习相关论文推荐—经验驱动的网络、自动数据库管理、双光技术推荐系统、UAVs、多代理竞争对手
【导读】专知内容组整理了最近强化学习相关文章,为大家进行介绍,欢迎查看! 1. Experience-driven Networking: A Deep Reinforcement Learning based Approach(经验驱动的网络:一种基于深度强化学习的方法) ---- ---- 作者:Zhiyuan Xu,Jian Tang,Jingsong Meng,Weiyi Zhang,Yanzhi Wang,Chi Harold Liu,Dejun Yang 摘要:Modern communicat
WZEARW
2018-04-13
4.3K0
【推荐系统论文笔记】DKN: 基于深度知识感知的新闻推荐网络(WWW2018 )
【导读】传统的新闻推荐算法仅仅从语义层对新闻进行表示学习,而忽略了新闻本身包含的知识层面的信息。本文将知识图谱实体嵌入与神经网络相结合,将新闻的语义表示和知识表示融合形成新的embedding表示,以此来进行用户新闻推荐。这种方法考虑了不同层面上的信息,实验证明比传统的方法效果好。 专知成员Xiaowen关于推荐系统相关论文笔记如下: 【AAAI2018】基于注意力机制的交易上下文感知推荐,悉尼科技大学和电子科技大学最新工作 【RecSys2017】基于“翻译”的推荐系统方案,加州大学圣地亚哥分校最新工作(
WZEARW
2018-04-13
5K1
【观点】漫谈推荐系统及数据库技术(二)——分布式数据库技术
【导读】推荐系统和数据库技术,一个是偏机器学习数据挖掘相关的应用,一个是偏系统存储相关的技术,这两者在实际中有很大的应用。上一次专知推出漫谈推荐系统及数据库技术(一),大家反响热烈,特别是很多工业界的
WZEARW
2018-04-12
1.3K0
【专知荟萃10】推荐系统RS知识资料全集(入门/进阶/论文/综述/视频/代码等)
信息推荐 (推荐系统,Recommendation System) 荟萃 入门学习 进阶文章 综述 Tutorial 视频教程 代码 领域专家 入门学习 探索推荐引擎内部的秘密,第 1 部分 推荐引擎初探 IBM developerWorks [https://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy1/index.html\] 探索推荐引擎内部的秘密,第 2 部分 深入推荐引擎相关算法 - 协同过滤 [https://www.i
WZEARW
2018-04-10
1.4K0
【观点】未来 3~5 年内,哪个方向的机器学习人才最紧缺?
最近针对未来 3~5 年内哪个方向的机器学习人才最紧缺的讨论特别火热。 机器学习目前的主流方向包括: 1、互联网业务挖掘 使用的主要数据和要解决的问题,初级的业务挖掘人员的工作会离数据和算法更近;高级的业务挖掘人员会离用户和业务更近。 职位需求趋势: 这类职位的需求量非常大,基本所有的主要互联网公司都设置了这个岗位。这个岗位的名字常常有“分析师”,“数据挖掘工程师”等。 零售,金融,电信,制造业等行业对于互联网业务挖掘人员也持欢迎态度。近几年对于这类人才的需求很能会有非常大的增长。 2、推荐算法 解决的核心
WZEARW
2018-04-09
6800
【观点】漫谈推荐系统及数据库技术
点击上方“专知”关注获取更多AI知识! 【导读】推荐系统和数据库技术,一个是偏机器学习数据挖掘相关的应用,一个是偏系统存储相关的技术,这两者在实际中有很大的应用。今天,很高兴邀请到资深算法工程师宋强对此漫谈自己一些工作的独到见解,欢迎阅读~ 科研工作者的前世今生 笔者早年在人工智能领域上进修硕士,研究的方向是推荐系统,虽然最终未能将所学发扬光大,但亦心存敬畏,时常拜读相关著作。随后阴差阳错,人生中的第一份正式工作是从事分布式数据库的研发。受学长相邀,写下一点感悟。 矛盾的心理 人工智能和数据库都是当前的热潮
WZEARW
2018-04-08
1.3K0
【论文推荐】最新七篇推荐系统相关论文—协同度量学习、SQL-Rank、用户行为与神经网络、隐私价格、贝叶斯、 IoT、序列感知
【导读】专知内容组整理了最近七篇推荐系统(Recommender System)相关文章,为大家进行介绍,欢迎查看! 1. Collaborative Metric Learning Recommendation System: Application to Theatrical Movie Releases(协同度量学习推荐系统:应用于影院电影发行) ---- 作者:Miguel Campo,JJ Espinoza,Julie Rieger,Abhinav Taliyan 摘要:Product recom
WZEARW
2018-04-08
1.2K0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档