• 「干货」YouTube 基于深度神经网络推荐系统剖析

    [图片] 文章作者：王科 某司资深算法工程师 内容来源：《YouTube 基于深度神经网络推荐系统剖析》 出品社区：DataFun YouTube 的推荐系统是近年来业内的佼楚之作。其经典之处不仅仅在于基于深度学习的解决方案，也有很多不属于纯技术范畴的设计抉择。 YouTube 转用深度学习做推荐系 ....

  • 【美团】LruCache 在美团 DSP 系统中的应用演进

    背景 DSP 系统是互联网广告需求方平台，用于承接媒体流量，投放广告。业务特点是并发度高，平均响应低（百毫秒）。 为了能够有效提高 DSP 系统的性能，美团平台引入了一种带有清退机制的缓存结构 LruCache(Least Recently Used Cache)，在目前的 DSP 系统中，使用 L ....

  • 神马搜索技术演进之路

    前言 国内搜索引擎大事记 1998 年，Google 发布；2000 年，百度发布；2004 年，搜狗发布；2006 年，搜搜发布；2010 年，Google 退出中国；2012 年，360 搜索发布；2013 年，神马发布，搜搜并入搜狗，百度收购 91；2017 年，微信推出搜一搜。 神马搜索简介 ....

  • 腾讯 | 从零开始了解推荐系统全貌

    作者：yijiapan，腾讯 WXG 数据分析师 有幸参与了几个业务推荐系统搭建的全流程，本文将从实际经验出发，为大家解构如何从从零搭建推荐系统，希望跟大家能够相互交流，如有错误之处烦请指正。 一、推荐算法的理解 如果说互联网的目标就是连接一切，那么推荐系统的作用就是建立更加有效率的连接，推荐系统可 ....

  • 干货 | 内容型产品 Feed 流的生成、效果评估及优化

    本篇文章属于超级干货方法论，不论是产品、运营还是数据分析从业者，只要是内容型产品形态，便都会需要接触到 Feed 流，且整个工作几乎都围绕着内容优化这一主题。本篇我将讲述自己对这方面方法论的理解总结，相信读完本篇文章会对你有所帮助。 一、Feed 流是什么？ Feed 流是将若干消息源组合在一起，帮 ....

  • TensorFlow 中最大的 30 个机器学习数据集

    作者：Limarc Ambalina 编译：ronghuaiyang 导读: 包括图像，视频，音频，文本，非常的全。 [图片] 由谷歌 Brain 的研究人员创建的 TensorFlow 是机器学习和数据科学领域最大的开源数据库之一。它是一个端到端的平台，适用于初学者和有经验的数据科学家。Tenso ....

  • Elasticsearch 遇上 BERT：使用 Elasticsearch 和 BERT 构建搜索引擎

    作者：Hironsan 编译：ronghuaiyang 导读： 强强联合，看看是否能有 1+1＞2 的效果。 在这篇文章中，我们使用一个预先训练好的 BERT 模型和 Elasticsearch 来构建一个搜索引擎。Elasticsearch 最近发布了带有矢量字段的文本相似性搜索。另一方面，你可以 ....

  • 推荐系统遇上深度学习 (十四)--《DRN:A Deep Reinforcement Learning Framework for News Recommendation》

    之前学习了强化学习的一些内容以及推荐系统的一些内容，二者能否联系起来呢！今天阅读了一篇论文，题目叫《DRN: A Deep Reinforcement Learning Framework for News Recommendation》。该论文便是深度强化学习和推荐系统的一个结合，也算是提供了一个 ....

  • 万物皆 Embedding，从经典的 word2vec 到深度学习基本操作 item2vec

    这里是 王喆的机器学习笔记 的第四篇文章，之前我们一起讨论了阿里的 DIN，YouTube 的深度学习推荐系统，本来今天想再分享另一篇科技巨头的业界前沿文章，Airbnb 的 Embedding 方法 但因为文章中涉及 word2vec 的技术细节，为了保证一些初学者的知识是自洽的，我还是想在此之前 ....

  • 码农晋升为技术管理者后，痛并快乐着的纠结内心

    [图片] 有一个非常有趣的现象：据说大部分的技术管理者，在其从程序员转为管理岗位的时候，都是在领导或公司的要求下，被动的推到管理岗位上的，并非是自己当初有强烈意愿、主动去选择管理岗的。这种被动的比例还不低，高达 80% 以上。 这个现象从我自己身边的同事中也可以感受到，最近两年我接触到的四五位新晋的 ....

  • 滴滴出行基于 RocketMQ 构建企业级消息队列服务的实践

    作者： 江海挺 2018-11-20 [图片] 本文整理自滴滴出行消息队列负责人 江海挺 在 Apache RocketMQ 开发者沙龙北京站的分享。 滴滴出行的消息技术选型 历史 初期，公司内部没有专门的团队维护消息队列服务，所以消息队列使用方式较多，主要以 Kafka 为主，有业务直连的，也有通 ....

  • 【下】YouTube 深度学习推荐系统的十大工程问题

    转载自 王喆的机器学习笔记 因为这篇文章主要介绍了 YouTube 深度学习系统论文中的十个工程问题，为了方便进行问题定位，我们还是简单介绍一下背景知识，简单回顾一下 Deep Neural Networks for YouTube Recommendations 中介绍的 YouTube 深度学习 ....

  • 番外篇：Lucene 索引流程与倒排索引实现

    前两篇文章主要围绕 Lucene 的底层索引文件结构方面介绍了倒排索引原理： http://www.6aiq.com/article/1564413040138 http://www.6aiq.com/article/1564413209435 在 Lucene 中，写数据的基本单元称之为 Docu ....

  • 滴滴技术 | 数据挖掘技术在轨迹数据上的应用实践

    [图片] 桔妹导读： 每天滴滴都会为上千万人提供出行服务，在这一过程中积累了海量轨迹数据。这些轨迹数据来自于公共服务，本文介绍如何利用这些数据回馈大众，改善出行体验。 一 背景 首先简要介绍一下什么是数据挖掘。数据挖掘（Data Mining）是指从大量数据中发现特定信息和模式的过程，也有很多人将这 ....

  • 用 TensorFlow Extended 实现可扩展、快速且高效的 BERT 部署

    文 / 由特邀作者 SAP Concur Labs 的高级机器学习工程师 Hannes Hapke 发布。由 Robert Crowe 代表 TFX 团队编辑。 [图片] Transformer 模型（尤其是 BERT 模型）为 NLP 带来巨大的变革，并且在情感分析、实体提取和问答问题等任务的处理 ....

  • 微信「看一看」 推荐排序技术揭秘

    本文转载自：微信 AI，作者 xiafengxia 在微信 AI 背后，技术究竟如何让一切发生？微信 AI 公众号推出技术专题系列“微信看一看背后的技术架构详解”，干货满满，敬请关注。以下为专题的第一篇《微信看一看推荐排序》。 第二篇:详文解读微信「看一看」多模型内容策略与召回 一、背景 微信公众平 ....

  • [详解] 一文读懂 BERT 模型

    作者： Microstrong 本文概览： [图片] 1. Autoregressive 语言模型与 Autoencoder 语言模型 1.1 语言模型概念介绍 Autoregressive 语言模型：指的是依据前面（或后面）出现的单词来预测当前时刻的单词，代表有 ELMo， GPT 等。 Auto ....

  • 个性化推荐技术

    [图片] 文章作者：姚凯飞 Club Factory 推荐算法负责人 内容来源：作者授权发布 出品社区：DataFun 注：欢迎转载，转载请注明出处。 在这个时代背景下，信息爆炸与长尾问题普遍发生，而解决方案之一是个性化推荐技术，那具体什么是个性化推荐，怎么去实现这一过程呢？这一章读者朋友需要做到的 ....

  • 推荐系统遇上深度学习 (十五)-- 强化学习在京东推荐中的探索

    原文地址： https://www.jianshu.com/p/b9113332e33e 强化学习在各个公司的推荐系统中已经有过探索，包括阿里、京东等。之前在美团做过的一个引导语推荐项目，背后也是基于强化学习算法。本文，我们先来看一下强化学习是如何在京东推荐中进行探索的。 本文来自于 paper：《 ....

  • ES 查询性能调优实践，亿级数据查询毫秒级返回

    1、概述 本文简要描述 ES 查询性能的优化过程。忽略很多细节，其实整个过程并不顺利，因为并没有一个明确的指引，教你怎么做就能让性能大幅提升。很多时候不同业务有不同的场景，还是需要自己摸索一番。比如用 filter 过滤取代 query 查询，明明官方文档说 filter 速度更快。但应用到我们业务 ....

本文目录

    热门标签

    程序员导航

    热门文章

    阿里云新老用户最新优惠

    阿里云新老用户最新优惠

    最新发布

    最新评论