首页
学习
活动
专区
工具
TVP
发布

人工智能头条

专栏作者
1089
文章
1060183
阅读量
148
订阅数
干货好文 | 深度学习是如何在美团点评推荐业务中实践的?
本文作者:陈文石,2012年毕业于东南大学,美团点评算法专家,目前负责点评平台及综合 BG 推荐平台业务。在加入美团点评之前,曾在百度做过一些个性化推荐相关工作。对人工智能在搜索、推荐等业务应用上有较深入理解和实践。
用户1737318
2020-05-06
7190
【万字总结】个性化推荐系统入门指南
从最初接触个性化推荐系统已过去六天。今天是第七天,完全可以对前六日的学习做出复盘。推荐系统并没有如同网络上那般盛传的玄秘深晦,而是直白到令人一眼看穿,当然如果你看完本文的话,你也会有与我一样的想法。
用户1737318
2019-12-31
6200
深度学习在美团点评推荐业务中实践
近年来,深度学习在语音识别、计算机视觉及自然语言处理等领域都取得了很大的突破,成为学术界和工业界关注的热点。与传统机器学习方法相比,深度学习在特征抽取及特征组合方面具有明显的优势,可以学习到多层次的抽象特征表示,为复杂的非线性系统提供优秀的建模能力。美团点评,作为生活服务平台,有数亿的用户及丰富的用户行为,在线上与线下相结合的场景下,用户的个性化需求越来越多,推荐系统变得尤为重要。在这种背景下,将深度学习算法应用到推荐业务中,改进并优化目前的推荐算法,使得推荐效果更为智能化,用户体验更好变得非常重要。本文将结合具体的业务场景,介绍深度学习在美团点评推荐上的实践经验及一些思考。
用户1737318
2019-12-03
1.1K0
AutoML 在推荐系统中的应用
今天,推荐系统的模型和应用已经相当成熟,然而部署一套全新的推荐系统,甚至仅在已有系统上添加数据维度和模型优化依然是非常耗时耗力的事情。
用户1737318
2018-12-28
8210
简洁易用可扩展,一个基于深度学习的 CTR 模型包
在计算广告和推荐系统中,CTR 预估一直是一个核心问题。无论在工业界还是学术界都是一个热点研究问题,近年来也有若干相关的算法竞赛。
用户1737318
2018-12-21
5910
互联网广告CTR预估新算法:基于神经网络的DeepFM原理解读
CTR(Click-Through-Rate)即点击通过率,是互联网广告常用的术语,指网络广告(图片广告/文字广告/关键词广告/排名广告/视频广告等)的点击到达率,即该广告的实际点击次数除以广告的展现量。
用户1737318
2018-09-28
1.2K0
轻松看懂机器学习常用算法
写这篇文章的目的,是对ML的常用算法有个常识性的认识,没有代码,没有复杂的理论推导,就是图解一下,知道这些算法是什么,它们是怎么应用的,例子主要是分类问题。
用户1737318
2018-08-03
4480
技术干货丨想写出人见人爱的推荐系统,先了解经典矩阵分解技术
对于一个推荐系统,其用户数据可以整理成一个user-item矩阵。矩阵中每一行代表一个用户,而每一列则代表一个物品。若用户对物品有过评分,则矩阵中处在用户对应的行与物品对应的列交叉的位置表示用户对物品的评分值。这个user-item矩阵被称为评分矩阵。
用户1737318
2018-07-23
3560
Bandit算法与推荐系统
作者:陈开江 天农科技CTO,曾任新浪微博资深算法工程师,考拉FM算法主管,个性化导购App《Wave》和《边逛边聊》联合创始人,多年推荐系统从业经历,在算法、架构、产品方面均有丰富的实践经验。 责编:何永灿,欢迎人工智能领域技术投稿、约稿、给文章纠错,请发送邮件至heyc@csdn.net 本文为《程序员》原创文章,未经允许不得转载,更多精彩文章请订阅《程序员》 推荐系统里面有两个经典问题:EE和冷启动。前者涉及到平衡准确和多样,后者涉及到产品算法运营等一系列。Bandit算法是一种简单的在线学习算法
用户1737318
2018-06-06
8150
饿了么推荐系统:从0到1
本文由携程技术中心投递,ID:ctriptech。作者:饿了么数据运营部资深算法工程师陈一村,在携程个性化推荐与人工智能Meetup上的分享。 陈一村2016年加入饿了么,现从事大数据挖掘和算法相关工作,包括推荐系统、用户画像等。 随着移动互联网的发展,用户使用习惯日趋碎片化,如何让用户在有限的访问时间里找到想要的产品,成为了搜索/推荐系统演进的重要职责。作为外卖领域的独角兽, 饿了么拥有百万级的日活跃用户,如何利用数据挖掘/机器学习的方法挖掘潜在用户、增加用户粘性,已成为迫切需要解决的问题。 个性化推荐系
用户1737318
2018-06-06
1K0
【AI每日播报】推荐系统老司机的10条经验 深度学习应用大盘点
CSDN主办的SDCC大会干货满满地结束了。错过了?没关系,具体PPT及大会专题报道请见 http://special.csdncms.csdn.net/sdcc2016/ 【AI每日播报】专栏于11月1日正式上线,受到读者广泛好评。今日精选四篇CSDN精致博文,其中包括长篇系列连载《自动梯度求解》系列、苦口婆心的《推荐系统老司机的十条经验》、可以用来对照自省的《这11个观点可能会让你和深度学习擦肩而过》、以及总结非常全面的《深度学习应用大盘点》。话不多说,请看下文。 p.s. 直接下拉至文章底部点击阅读原
用户1737318
2018-06-06
6870
知人知面需知心——论人工智能技术在推荐系统中的应用
作者:洪亮劼 Etsy数据科学主管,前雅虎研究院高级经理。长期从事推荐系统、机器学习和人工智能的研究工作,在国际顶级会议上发表论文20余篇,长期担任多个国际著名会议及期刊的评审委员会成员和审稿人。 本文为《程序员》原创文章,未经允许不得转载,更多精彩文章请订阅2016年《程序员》 📷 在电子商务、个性化阅读、社交网络(媒体)以及共享经济高速发展的今天,发现用户的需求、了解用户的行为并为用户筛选出最相关的信息和产品已经是互联网服务的一个核心环节。 互联网上的信息是海量的:YouTube用户每
用户1737318
2018-06-06
9960
大数据改变世界,Spark改变大数据——中国Spark技术峰会见闻
作者:张相於,当当网推荐系统开发经理 责编:周建丁(zhoujd@csdn.net) 笔者5月15日参加了“中国云计算技术大会”中的“中国Spark技术峰会”,一天12场干货满满的演讲听下来,有两点深刻的感受: Spark生态圈正在越来越深刻和广泛地影响和改造大数据应用行业。 Spark本身也正以飞快的速度发展,在功能和性能方面稳步发展。 下面就笔者比较感兴趣的两个领域,Spark应用实例和Spark自身发展,和大家分享一下自己的见闻。 Spark应用实例 腾讯广点通 来自腾讯广点通的同学介绍了Spark
用户1737318
2018-06-06
5920
专访微软谢幸博士:如何将推荐系统与异构数据巧妙结合
科技高速发展的社会,人与人之间的交流越来越密切,随之带来了庞大的数据量,然而对于多维度用户而言,在训练个性化模型的过程中,数据依然很少,那么,如何解决数据稀疏问题,挖掘出更多可用数据?如何将数据高效运
用户1737318
2018-06-05
1.1K0
深度解析京东个性化推荐系统演进史
在电商领域,推荐的价值在于挖掘用户潜在购买需求,缩短用户到商品的距离,提升用户的购物体验。 京东推荐的演进史是绚丽多彩的。京东的推荐起步于2012年,当时的推荐产品甚至是基于规则匹配做的。整个推荐产品线组合就像一个个松散的原始部落一样,部落与部落之前没有任何工程、算法的交集。2013年,国内大数据时代到来,一方面如果做的事情与大数据不沾边,都显得自己水平不够,另外一方面京东业务在这一年开始飞速发展,所以传统的方式已经跟不上业务的发展了,为此推荐团队专门设计了新的推荐系统。 随着业务的快速发展以及移动互联网的
用户1737318
2018-06-05
1.2K0
从YouTube算法论文反推其推荐机制
作者 | Matt Gielen 编译 | 聂震坤 去年,在波士顿举办的第10届ACM推荐系统大会(ACM’s RecSys ‘16)上,来自Google的一个研究团队公布了YouTube推荐系统的深度学习论文:Deep Neural Networks for YouTube Recommendations 论文作者是Google的软件工程师 Jay Adams 与高级软件工程师 Paul Covington、Embre Sargin,他们向业界展示了YouTube在机器学习推荐算法上的深度神经网络使用
用户1737318
2018-06-05
9480
机器学习在热门微博推荐系统的应用
作者 | 侯雷平、苏传捷、朱红垒 责编 | 何永灿 近年来,机器学习在搜索、广告、推荐等领域取得了非常突出的成果,成为最引人注目的技术热点之一。微博也在机器学习方面做了广泛的探索,其中在推荐领域,将机器学习技术应用于微博最主要的产品之一——热门微博,并取得了显著的效果提升。 热门微博推荐系统介绍 热门微博业务场景 热门微博是基于微博原生内容的个性化兴趣阅读产品。提供最新最热优质内容阅读服务,更好地保障用户阅读效率和质量,同时达到激励微博上内容作者更好的创作和推广内容。 热门微博的推荐系统主要面临以下两点挑
用户1737318
2018-06-05
1.9K0
推荐引擎所面临的终极挑战
摘要:推荐系统其实离我们并不遥远,就像大家到淘宝上买东西一样,买完东西之后,屏幕下方就会出现类似的商品。这是推荐系统最直接的一种形式,那么在其他方面的推荐系统、推荐引擎会遇到什么样的挑战呢? 如果你和
用户1737318
2018-06-05
8290
如何成为一名推荐系统工程师
作者 | 陈开江 责编 | 何永灿 推荐系统工程师技能树 掌握核心原理的技能 数学:微积分,统计学,线性代数 周边学科:信息论基础 推荐算法:CF,LR,SVM,FM,FTRL,GBDT,RF,SVD,RBM,RNN,LSTM,RL 数据挖掘:分类,聚类,回归,降维,特征选择,模型评价 实现系统检验想法的技能: 操作系统:Linux 编程语言:Python/R, Java/C++/C,sql,shell RPC框架:thrift, Dubbo,gRPC web服务:tornado, djang
用户1737318
2018-06-05
2K0
去年挤不进去的推荐系统论坛又来了! | BDTC 2017
还记得去年人满为患的推荐系统论坛吗?没错,就是那个挤都挤不进去的推荐系统论坛。2017年12月9日,在2017中国大数据技术大会上,该论坛将再次重装上阵! 推荐系统论坛向来是中国大数据技术大会上最受关注的论坛之一,去年,推荐系统论坛给大家带来了《基于大数据的个性化出行服务与公共资源协同分配》、《易到大数据的过去、现在和将来》、《滴滴交通大数据实战》、《综合交通运行感知体系构建与监测大数据统筹应用》、《携程Spark 算法平台及其应用》等精彩内容。 而在今年的推荐系统论坛上,论坛主席AdMaster技术副总裁
用户1737318
2018-06-05
1.2K0
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
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