深度解析 TalkingData 使用 DJL 進行大規模深度學習打分應用

{"type":"doc","content":[{"type":"heading","attrs":{"align":null,"level":2},"content":[{"type":"text","text":"前言"}]},{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null,"origin":null}},{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null,"origin":null},"content":[{"type":"text","text":"TalkingData 是一家總部在北京的數據智能服務提供商，通過提供數據智能產品和服務，來幫助企業獲得對消費者行爲、偏好和傾向的洞察。TalkingData的一項重要服務是基於機器學習的用戶行爲分析：通過分析用戶信息，可以爲用戶提供更具有價值的廣告。比如有一個汽車經銷商想要爲想買車的用戶投放最近的促銷信息，他可以通過這個產品來找到在未來三個月有買車傾向的用戶羣，進而定向投放廣告。最開始，TalkingData的模型是基於XGBoost構建的。後來隨着技術演進和精度要求的提升，TalkingData研發部門進一步開發了基於深度學習模型的應用。經過實驗以及測試論證，他們的數據科學家成功用PyTorch將模型的recall rate（recall rate是模型在閾值下是否能夠提供推理的比例）提升了13%。換句話說，相比於傳統機器學習模型，他們的深度學習模型在基於相同的精度情況下可以帶來更多的深度學習推理結果。"}]},{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null,"origin":null}}]}