随着人工智能的飞速发展，数据科学已悄然成为新一轮科技革命和产业变革的重要驱动力量，也将深刻改变人类社会和世界面貌。九章云极作为业内领先的数据科学和机器学习平台提供商，近期不仅完成新一轮轮融资，并且新研发的神经网络计算相关开源项目 DeepTables 也在刚结束的国际赛事“Kaggle 竞赛“中获得 ....

[图片] 作者：田杨军 ，Datawhale 优秀学习者 系列文章： 零基础入门数据挖掘——数据分析实战 零基础入门数据挖掘——特征工程实战 https://www.6aiq.com/article/1586199906459 摘要：对于数据挖掘项目，本文将学习如何进行模型融合？常见的模型融合的方法 ....

原文：https://www.amazingkoala.com.cn/Lucene/Index/2019/0222/36.html 本篇文章介绍如何生成倒排表，通过一个简单的例子来讲解倒排表的底层存储结构。文章中不会给出详细的源码介绍，只有一些必要的对象，感兴趣的朋友可以看我的 GitHub，对构建 ....

梁唐 TechFlow 大家好，好久没有写推荐系统了，今天和大家聊聊推荐系统当中的召回策略。 在之前的文章当中曾经提到过，无论是推荐、广告还是搜索，基本上都可以简单分为召回和排序两个阶段。召回阶段也就是选出候选的内容，而排序阶段则是调用模型对候选的内容进行预测打分。最后排序系统根据模型的打分对内容进 ....

作者丨 gongyouliu 编辑丨 gongyouliu 随着科学技术的进步，移动互联网快速发展，手机越来越便宜，拥有智能手机不再是一件遥不可及的事情，互联网用户规模已接近增长的顶点。摄像头和信息处理软件(各种滤镜、剪辑等工具)技术的进步让每一个人都可以轻松地生产高质量的内容，信息的产生以指数级增 ....

[图片] 分享嘉宾：吕荣荣 小米 算法工程师 编辑整理：孟航程 出品平台：DataFunTalk 导读： 知识表示是知识获取与应用的基础，贯穿了小米知识图谱的构建与应用。本文将结合小米知识图谱的构建及小爱问答场景，介绍融合文本和知识图谱的知识表示学习方法，以及知识表示在知识图谱补全、实体链接、实体推 ....

[图片] 文章作者：苏雷什·库马尔·戈拉卡拉 编辑整理：Hoh 内容来源：《自己动手做推荐引擎》 导读： 在本文中，将详细介绍多种类型的推荐系统，具体介绍基于近邻算法的推荐引擎、个性化推荐引擎、基于模型的推荐系统和混合推荐引擎等，并分析介绍每种推荐系统的优缺点。 主要介绍的不同类型的推荐系统包括： ....

[图片] 分享嘉宾：陈炜于 阅文集团 高级总监 编辑整理：李沛欣、马宇峰 出品平台：DataFunTalk **导读：**阅文作为国内最大的网络文学公司，我们在实践过程中，总结了一套适合自身业务特点的用户画像方法论，及实践经验。本文将介绍为什么需要用户画像，以及如何做用户画像，并结合在阅文场景下所面 ....

[图片] 分享嘉宾：李先刚 滴滴出行 文章整理：李淑娜 内容来源：DataFunTalk 出品平台：DataFun 导读： 随着 AI 科技的发展，智能语音交互技术正在被国内外巨头公司逐步落地和规模化应用。滴滴出行作为移动出行领域的一家领先的移动互联网企业，也正积极布局和利用智能语音交互相关技术，如 ....

SIGAI 特约作者 cnns . 阿姆斯特丹大学在读博士 研究方向：深度学习，计算机视觉 人群计数监控视频中的人群自动计数有着重要的社会意义和市场应用前景。充分利用兴趣区域的人数统计信息可以为一些人群密集的商场、车站、广场等公共场合的安全预警提供有效的指导。还可以带来经济效益，例如，提高服务质量、 ....

原文发布于微信公众号 - 小小挖掘机（wAIsjwj） 原文发表时间：2018-11-05 之前在美团听过关于知识图谱和个性化推荐的一个讲座，接下来的几篇，我们将围绕讲座中提到的知识点，来介绍下知识图谱是如何同个性化推荐相结合的！本篇算是一个开篇吧，希望大家伙能够有一个基本的认识。 1、推荐系统的任 ....

众所周知，沟通在项目管理中很重要，但即便优秀如华为，在项目初期的时候，也吃过很多沟通不畅的亏。 [图片] 今天这篇文章就来解读一下，华为项目管理的有效沟通是怎么做的，以及在项目之余，华为日常工作中的高效沟通方法。希望对你有帮助~ 一、缺乏有效沟通对项目是灾难性的 在华为创立初期，曾一度出现工作结果和 ....

近年来深度学习在 CV、NLP 等非结构化领域展现出超强的统治力，突破最高水平的算法层出不穷。深度学习在结构化和非结构化领域表现出来的巨大反差已成为热门话题，自从以 XGBoost、LightGBM 为代表的高性能集成树模型训练框架的问世，深度学习在结构化领域就一直没有超越配角的地位。到目前为止，K ....

在执行 flush()的过程中，Lucene 会将内存中的索引信息生成索引文件，其生成的时机点如下图红色框标注： 图 1： [图片]   图一中的流程是 flush()阶段的其中一个流程点，完整的 flush()过程可以看系列文章文档提交之 flush，索引文件的生成 系列文章将会介绍图一中红框标注 ....

作者：朱小强（怀人） 0. 序曲 纵观这两年业界技术的演化趋势，几乎主流的团队都已经完成了深度学习为代表的技术升级，进入到算力吃紧、模型红利放缓的新瓶颈期。去年在《深度学习推荐系统》序言 一文中，我对工业级深度学习技术迈入新的 2.0 进阶阶段的特征做过一些探讨： 可以预见，在工业级深度学习 2.0 ....

CS 的陋室 搜索系统中的纠错问题 https://www.6aiq.com/article/1587873938042 为什么要做意图识别 意图识别算是 query 理解中比较上有的位置，对 query 进行意图识别，是指分析用户的核心搜索需求，例如是要找电影、找小说，还会想问百科知识，还有查快递 ....

炼丹笔记干货 作者：九羽 长尾物品（Tail Items）在推荐系统中是非常常见的，长尾的存在导致了样本的不均衡，对于热门头部物品（Head Items）的样本量多，模型学习这部分的效果越好，而长尾物品的样本量少，导致模型对该部分 Item 的理解不够充分，效果自然也就较差。 [图片] 那么，针对长 ....

[图片] 作者 | NaNNN 编辑 | 丛末 前言 众所周知，机器学习分类模型常用评价指标有 Accuracy, Precision, Recall 和 F1-score，而回归模型最常用指标有 MAE 和 RMSE。但是我们真正了解这些评价指标的意义吗？ 在具体场景（如不均衡多分类）中到底应该以 ....

前言 周末向往常一样睡了一上午，惆怅了一个中午，下午学了会习，梳理了下 Netty 的线程模型是如何体现 Reactor 模式的。继上一篇对一些通信底层 IO 的 C 函数学习，这一篇主要是总结 Java 里对底层 IO 不同层次的抽象，每一层都为了解决什么问题？为什么 Reator 模型使得现在 ....