首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

大数据实时推荐-不只是统计

随着大数据时代的来临,如何帮助用户从大量信息中迅速获得对自己有用的信息成为众多商家的重要任务,个性化推荐系统应运而生。个性化推荐系统以海量数据挖掘为基础,引导用户发现自己的信息需求,现已广泛应用于很多领域。传统的个性化推荐系统,采用定期对数据进行分析的做法来更新模型。由于是定期更新,推荐模型无法保持实时性,对用户当前的行为推荐结果可能不会非常精准。实时个性化推荐实时分析用户产生的数据,可以更准确地为用户进行推荐,同时根据实时的推荐结果进行反馈,更好地改进推荐模型。 腾讯大数据平台部和北京大学网络所崔斌教授研

010

yoho注册概率预估前言注册概率预估定义算法设计可优化方向总结

本文主要介绍Yoho大数据团队在深度学习传统应用方向上的一些实践和思考。传统用户行为预估方向上,如何根据用户的行为数据,对用户行为建模,进而预测用户的购买行为,点击行为,注册行为等等一直以来都受到工业界及学术界的关注。相对而言,就用户注册概率的预测受限数据获取的局限性、传统的计算模型的时效性等原因并没有很多可参考的研究案例。我们想和大家分享的「Yoho基于GRU+LR算法下的用户注册概率预估」,基于循环神经网络的框架,充分的利用了用户在app上的行为信息,保证了高效的结果反馈速度,兼备算法框架良好的延拓性能。

02

个性化推荐沙龙 | 跨领域推荐,实现个性化服务的技术途径

曹健,上海交通大学计算机系教授。近年来在大数据智能分析领域进行研究与应用。 一、跨领域推荐的概念 推荐系统在我们这个时代扮演了越来越重要的角色。如何利用海量数据,来对用户的行为进行预测,向用户推荐其感兴趣的物品与服务成为各大互联网公司非常关注的问题。 目前学术界与工业界对推荐的研究与应用,主要集中在对单领域的个性化推荐,即根据用户对某一领域(如书籍)的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。 领域反映了两组对象相互间的关系,比如用户对书籍的评价数据即可看作一个用户-书籍领域,而这个领域本身

05
领券