-
标签: 算法 共 641 个结果.
-
「回顾」机器学习与推荐系统实践
[图片] 分享嘉宾：刘志强奇虎 360 推荐算法架构师 编辑整理：周峰 内容来源：DataFun AI Talk《机器学习与推荐系统实践》 出品社区：DataFun 注：欢迎转载，转载请注明出处。 1. 摘要 本次分享内容为机器学习在推荐系统的应用。主要介绍推荐系统实践中遇到基本问题，以及基于机器学 ....- 1年前
-
黄鸿波 什么样的人容易被提升 对于一些已经工作了三年以上的同学来讲，已经到了为自己的未来考虑的时候了。在互联网行业，3 年就是一个坎，对于一个技术能力相对较强的同学，在一家比较大的企业 3 年的时间完全可以从一个新人晋升成为一个组的组长，在一个小公司甚至都有可能变成一个小的技术经理。 在成为技术经理 ....
- 1年前
-
详文解读微信「看一看」多模型内容策略与召回
nevinzhang 微信 AI 导读：在微信 AI 背后，技术究竟如何让一切发生？关注微信 AI 公众号，我们将为你一一道来。今天我们将放送**微信 AI 技术专题系列“微信看一看背后的技术架构详解”**的第二篇——《微信看一看内容召回》。 第一篇：微信「看一看」 推荐排序技术揭秘 看一看介绍 相 ....- 1年前
-
BigGAN 论文解读
《Large scale GANtraining for high fidelity natural image synthesis》这篇文章对训练大规模生成对抗网络进行了实验和理论分析，通过使用之前提出的一些技巧，如数据截断、正交正则化等，保证了大型生成对抗网络训练过程的稳定性。本文训练出的模型在 ....- 1年前
-
NLP-BERT 谷歌自然语言处理模型：BERT- 基于 pytorch
一、前言 最近谷歌搞了个大新闻，公司 AI 团队新发布的 BERT 模型，在机器阅读理解顶级水平测试 SQuAD1.1 中表现出惊人的成绩：全部两个衡量指标上全面超越人类，并且还在 11 种不同 NLP 测试中创出最佳成绩，包括将 GLUE 基准推至 80.4％（绝对改进 7.6％），MultiNL ....- 1年前
-
微软专家眼中个性化推荐系统的 5 大研究趋势
微软亚洲研究院 2018 年 11 月 29 日 [图片] “猜你喜欢”、“购买过此商品的用户还购买过……”对于离不开社交平台、电商、新闻阅读、生活服务的现代互联网用户来说，个性化推荐已经不是什么新鲜事儿。 随着信息技术和互联网行业的发展，信息过载成了人们处理信息的挑战。对于用户而言，如何在以指数增 ....- 1年前
-
BiLSTM 上的 CRF，用命名实体识别任务来解释 CRF（4）
作者：CreateMoMo 编译：ronghuaiyang 前几篇文章： BiLSTM 上的 CRF，用命名实体识别任务来解释 CRF（1） BiLSTM 上的 CRF，用命名实体识别任务来解释 CRF（2）损失函数 https://www.6aiq.com/article/158557085420 ....- 1年前
-
理解五个基本概念，让你更像机器学习专家
摘要：这篇文章主要讲述了机器学习的相关内容，阐述了机器学习的主要意义和形成过程。区别了机器学习与 AI、深度学习、神经网络等专业词汇。 [图片] 大多数人可能对机器学习有点恐惧或困惑。 脑子中会有它到底是什么，它有什么发展方向，我现在可以通过它挣钱吗等等这样的问题。 这些问题的提出都是有依据的。事实 ....- 1年前
-
万字长文！推荐系统算法岗校招面试经验 & 学习心得
本文总结了百度，华为，京东，360，vivo 等接近 20 家公司的推荐算法校招面试经验和个人心得，以及若干学习资料和方法，相信无论是在校生还是从业人员读后都会有所收获 ～ 作者：Taylover1314 编辑：happyGirl [图片] 0、写在前面 秋招已经渐行渐远，休养生息（吊儿郎当）了一个 ....- 1年前
-
BiLSTM 上的 CRF，用命名实体识别任务来解释 CRF（3）推理
作者：CreateMoMo 编译：ronghuaiyang 导读 今天是第三部分，介绍如何推理新的句子。 前两篇链接： https://www.6aiq.com/article/1585116912485 https://www.6aiq.com/article/1585415235824 2.6 ....- 1年前
-
【搜狐】新闻推荐系统的 CTR 预估模型
出自 搜狐技术产品 公众号 一简介 在推荐系统的排序环节中，我们经常使用 CTR(Click-Through Rate)预估的方式来构建排序模型。在业界的实际应用上，如何通过大规模数据提取出有效特征对用户行为建模、泛化一直是研究人员的工作方向，由于在推荐系统的实际应用中，数据通常非常稀疏，如何从大规 ....- 1年前
-
详解 GAN 的谱归一化（Spectral Normalization）
作者丨尹相楠 学校丨里昂中央理工博士在读 研究方向丨人脸识别、对抗生成网络 本文主要介绍谱归一化这项技术，详细论文参考 Spectral Normalization for Generative Adversarial Networks。 [图片] 本文主要对论文中的基础知识和遗漏的细节做出补充，以 ....- 1年前
-
BiLSTM 上的 CRF，用命名实体识别任务来解释 CRF（1）
作者：CreateMoMo 编译：ronghuaiyang 导读 看了许多的 CRF 的介绍和讲解，这个感觉是最清楚的，结合实际的应用场景，让你了解 CRF 的用处和用法。 该系列文章将包括： 介绍 — 在 BiLSTM 顶层上使用 CRF 层用于命名实体识别任务的总体思想 详细的例子 — 一个例子 ....- 1年前
-
[图片] 在 NLP（自然语言处理）中，NER（命名实体识别）是很多应用的关键一步，江湖地位毫无争议，它的研究主体一般包括 3 大类(实体类、时间类和数字类)和 7 小类(人名、地名、机构名、时间、日期、货币和百分比)命名实体。贝壳找房作为中国最大的居住服务平台，有丰富的数据和合适的场景，所以该技术 ....
- 1年前
-
「回顾」饿了么推荐算法演进及在线学习实践
收录自 DataFunTalk 公众号 分享嘉宾：刘金老师 编辑整理：李亚俊 内容来源：DataFun AI Talk《饿了么推荐算法演进及在线学习实践》 出品社区：DataFun [图片] 本次分享的主要内容包括以下三个方面：首先是介绍推荐业务背景，包括推荐产品形态及算法优化目标；然后是算法的演进 ....- 1年前
-
写在前面 字节跳动是一直想去实习的公司，3 月份的时候觉得自己学的还不够扎实，暂时没有投简历。4 月 14 号在官网投了简历，4 月 15 号就有小姐姐打电话预约面试时间，今天下午面试。 非本计算机专业出身，在研究生阶段做过基于机器学习和 CNN 的目标识别。没论文，没竞赛，只有所里的公司实习。编码 ....
- 1年前
-
从文本中进行关系抽取的几种不同的方法
作者：Andreas Herman 编译：ronghuaiyang 导读： 信息抽取是 NLP 中非常重要的内容，而关系的抽取在知识图谱等领域应用广泛，也是非常基础的 NLP 任务，今天给大家介绍一下。 [图片] 关系提取是指从文本中提取语义关系，这种语义关系通常发生在两个或多个实体之间。这些关系可 ....- 1年前
-
「回顾」58 同城 综合排序框架 连接效率优化实践
分享嘉宾：罗景** 58 同城 高级架构师** 编辑整理：洪鹏飞 内容来源：DataFun AI Talk《连接效率优化实践》 出品社区：DataFun 注：欢迎转载，转载请注明出处。 [图片] 本次分享由以下几个部分构成，首先是 58 的业务背景，然后是综合排序框架，以及效率优化框架，并且对基础数 ....- 1年前
-
【美团】深入浅出排序学习：写给程序员的算法系统开发实践
转载自 美团点评技术团队 引言 我们正处在一个知识爆炸的时代，伴随着信息量的剧增和人工智能的蓬勃发展，互联网公司越发具有强烈的个性化、智能化信息展示的需求。而信息展示个性化的典型应用主要包括搜索列表、推荐列表、广告展示等等。 很多人不知道的是，看似简单的个性化信息展示背后，涉及大量的数据、算法以及工 ....- 1年前
-
用户画像番外篇之随笔三则
超人赵，人工智能爱好者社区专栏作者 知乎： https://www.zhihu.com/people/chao-ji-sai-ya-ren/posts 一则：开发上的一点记录 文章说是生活随笔，到不如说是对本周开发工作中的一些体会与思考的记录。 这个专栏我想除了对知识上的一些记录，以后也可以加入生活 ....- 1年前
程序员导航
