原创 基於Elastic Search的推薦系統“召回”策略
當我們打開一個資訊APP刷新聞時，有沒有想過，系統是如何迅速推送給我們想看的內容？資訊APP背後有一個巨大的內容池，系統是如何判斷要不要將某條資訊推送給我們的呢？這就是今天想跟大家探討的問題——推薦系統中的“召回”策略。 推薦系
2020-02-21 13:18:25
1
原创 愛奇藝個性化推薦排序實踐
1.背景 在當前這個移動互聯網時代，除了專業內容的豐富，UGC內容更是爆發式發展，每個用戶既是內容的消費者，也成爲了內容的創造者。這些海量的內容在滿足了我們需求的同時，也使我們尋找所需內容更加困難，在這種情況下個性化推薦應運而生。 個性化
2020-02-21 13:18:25
原创 直播回顧|第四範式姚權銘：搜索協同過濾中的交互函數
導讀：怎樣刻畫用戶嵌入向量(user embedding)和物品嵌入向量(item embedding)之間的交互是在評分矩陣上面做協同濾波的關鍵問題。隨着機器學習技術的發展，交互函數(interaction function)漸漸的由最
2020-02-21 13:18:25
原创 直播預告|自動特徵工程在推薦系統中的應用研究
專注於做推薦系統的你，在工作中有沒有遇到過以下這些情況？ 做推薦屢屢受挫，很多時候知道方法卻沒法用，只能沒日沒夜debug？ 想提升技術能力卻遇瓶頸，遇到問題腦袋一團漿糊，有時崩潰到懷疑人生？ 推薦系統領域的人才不少，就是一個也不
2020-02-21 13:18:24
原创 Quora是如何做推薦的？
知乎聯合創始人張亮在值乎上問了俞軍老師一個問題，「以您的使用體驗看，您覺得知乎現在最急需做的三到五項產品改進是哪些？」俞軍老師的回答中給的第一個意見就是，「個性化內容的挖掘和推送，我知道知乎裏有大量內容是我感興趣的，但知乎推送的內容只
2020-02-21 13:18:24
原创 人工智能領域的頂級學術期刊大全（一）
不管是工業界還是學術界，瞭解一個學科或一個行業的前沿、熱點，勢必要不斷獲取最新最熱門的研究內容。看到好多同學詢問人工智能方面的期刊、頂會，看到這篇文章的你不用擔心啦！ 中國計算機學會整理出了和計算機學科相關的頂會和期刊，還按照刊物
2019-10-25 19:50:45
原创 人工智能領域的頂級學術會議大全（二）
不管是工業界還是學術界，瞭解一個學科或一個行業的前沿、熱點，勢必要不斷獲取最新最熱門的研究內容。看到好多同學詢問人工智能方面的期刊、頂會，看到這篇文章的你不用擔心啦！ 中國計算機學會整理出了和計算機學科相關的頂會和期刊，還作了區分
2019-10-25 19:50:45
原创 學習推薦系統必看的10篇RecSys論文，收藏！（官方推薦）
先薦導讀：深入學習任何一門學科，都離不開對前沿知識的瞭解。對於推薦系統學習者來說，一年一度的RecSys大會就是了解學術界與工業界研究熱點的最佳平臺。鑑於此，在這篇文章中，我們把過往的RecSys論文整理成一個清單，列出了大家學習
2019-10-25 19:50:45
1
原创 機器學習過程中，我們該如何分析數據集？
拿到一個數據集，我們應該怎麼做？ 在這篇文章中，我們將深入探討機器學習核心步驟中的第一步：探索性分析。 在正式開始前，千萬不要把這一步與數據可視化或數據結果統計混淆——數據可視化或數據結果統計意味着結果。 恰當的探索性分析其實就是
2019-09-26 18:33:42
原创 機器學習就等同於算法嗎？
在當前的推薦系統中，很多使用了機器學習，有些已經用到了深度學習。那麼，機器學習就等同於一堆的算法嗎？ 答案是：機器學習≠算法。 機器學習≠算法 當我們打開一本教科書，或者大學的教學大綱，通常看到的都是一堆的算法列表。 這也讓大家造
2019-09-26 18:33:41
原创 大數據流式計算存在的挑戰
大數據流式計算系統存在諸多挑戰，如資源調度、系統容錯、動態時間窗口、高效索引策略等諸多方面。本文將從大數據流式計算系統架構的角度，針對當前大數據流式計算環境中存在的兩個方面的典型問題進行系統化的分析，即在線環境下的資源調度問題和節
2019-09-22 18:17:32
原创 流式計算的應用特徵
流式計算可以廣泛應用於金融銀行、互聯網、物聯網等諸多領域，如股市實時分析、插入式廣告投放、交通流量實時預警等場景，主要是爲了滿足該場景下的實時應用需求。數據往往以數據流的形式持續到達數據計算系統，計算功能的實現是通過有向任務圖的形
2019-09-15 19:08:13
原创 什麼是流式計算？
一、流式計算的背景 在日常生活中，我們通常會先把數據存儲在一張表中，然後再進行加工、分析，這裏就涉及到一個時效性的問題。如果我們處理以年、月爲單位的級別的數據，那麼多數據的實時性要求並不高；但如果我們處理的是以天、小時，甚至分鐘爲
2019-09-15 19:08:13
1
原创 流式計算的三種框架：Storm、Spark和Flink
我們知道，大數據的計算模式主要分爲批量計算(batch computing)、流式計算(stream computing)、交互計算(interactive computing)、圖計算(graph computing)等。其中，
2019-09-15 19:08:13
原创 案例|推薦系統的評估指標
推薦系統能夠爲用戶提供個性化體驗，現在基本上各大電商平臺、資訊平臺都會用推薦系統爲自家評價下的用戶提供千人千面的服務。平均精度均值（Mean Average Precision，MAP）便是評估推薦系統性能的度量標準之一。 但是，
2019-09-04 19:08:12