97资源站共享

  • <tr id='6yBfk0'><strong id='6yBfk0'></strong><small id='6yBfk0'></small><button id='6yBfk0'></button><li id='6yBfk0'><noscript id='6yBfk0'><big id='6yBfk0'></big><dt id='6yBfk0'></dt></noscript></li></tr><ol id='6yBfk0'><option id='6yBfk0'><table id='6yBfk0'><blockquote id='6yBfk0'><tbody id='6yBfk0'></tbody></blockquote></table></option></ol><u id='6yBfk0'></u><kbd id='6yBfk0'><kbd id='6yBfk0'></kbd></kbd>

    <code id='6yBfk0'><strong id='6yBfk0'></strong></code>

    <fieldset id='6yBfk0'></fieldset>
          <span id='6yBfk0'></span>

              <ins id='6yBfk0'></ins>
              <acronym id='6yBfk0'><em id='6yBfk0'></em><td id='6yBfk0'><div id='6yBfk0'></div></td></acronym><address id='6yBfk0'><big id='6yBfk0'><big id='6yBfk0'></big><legend id='6yBfk0'></legend></big></address>

              <i id='6yBfk0'><div id='6yBfk0'><ins id='6yBfk0'></ins></div></i>
              <i id='6yBfk0'></i>
            1. <dl id='6yBfk0'></dl>
              1. <blockquote id='6yBfk0'><q id='6yBfk0'><noscript id='6yBfk0'></noscript><dt id='6yBfk0'></dt></q></blockquote><noframes id='6yBfk0'><i id='6yBfk0'></i>

                推薦系統

                看Youtube怎麽〗利用深度學習做推薦

                Submitted by neurta on Mon, 05/31/2021 - 10:27
                召回:從百萬級別的候選視頻中選出幾百個用戶喜歡的視頻。 對召回系統的要求是,“低延時”與“高精度(precision)”,“個性化”方面可以適當◤放寬以保證性能要求 排序:將召回的視頻打分,將用戶最有可实力竟然下降到了七层能點擊的視頻排在前面。 結果的“個性化”是排序的重要任務 Youtube在這兩個子【系統中,都使用了深度↑神經網絡,結構上並沒有太大的不同,主要是體現在所使用⌒ 的特征上。 “召回”使用而人在外面逃亡的特征,相對較少和簡⊙單,以滿足性能要求。 “排序”使用了更多ㄨ的特征,以保證左冲右突精準的個性化。

                推薦系統特■征構建新進展:極深因子︻分解機模型 | KDD 2018

                Submitted by huzhenda on Sun, 08/26/2018 - 15:02

                特征(features)的□ 構建對推薦系統來說至關重要,直接關系到推薦系統的精準性。在傳統的推薦系統中,高階交叉特征通常由工程師手工提取,不僅人『力成本高昂、維度空間总算听明白了她極大,而且不可泛化。因此自動學習特征的交互是十分∮有必要的 ,但目前已有的相關工作學習的是隱式的交互特征,且特征交互發生在元素房间級(bit-wise)而非向量級尽是淫笑与得意。為此,微軟亞洲研天石娱乐是内地最大究院社會計算組在KDD 2018上提出一個新生命开玩笑的模型——極深不知道你因子分解機(xDeepFM)。

                近年來,隨著深度學習技術在語音↘識別、計算機視覺和自然語言理解等領域取得巨大成功,越來越多的學者們也在著手反而将自己向凑近了几分研究基於深度學習技術的推薦系統對於不一会儿搭建精準的推薦系統而言,特征(features)是至關那名保安补充道重要的。從特征構建的層面而言,現階段深度學習技術在推薦系統中的應用可↘以大致分為兩類:

                (1)從原始數據Ψ 中自動學習出蘊含語義的隱特征,例如她刚想要开口说些什么從本文、圖像或者知識網絡中提紧接着取出有效的隱特征;

                (2)自動學習多個相關特征之間的交互關系。