写点什么

推荐应用

收录了 推荐应用 频道下的 50 篇内容

深度学习在推荐系统的进展及在微博的应用
深度学习在推荐系统的进展及在微博的应用

本次分享介绍推荐系统领域采用深度学习的技术方案,以及深度学习技术如何应用在微博场景。

以 YouTube 论文学习如何在推荐场景应用强化学习
以 YouTube 论文学习如何在推荐场景应用强化学习

本文主要介绍 RL 在推荐场景的挑战及解决方案。

解读PinSage:图卷积神经网络在数十亿数据网络级别推荐系统的应用
解读 PinSage:图卷积神经网络在数十亿数据网络级别推荐系统的应用

本文是 AI 前线第 80 篇论文导读,为你详细解读 PinSage 背后的技术细节。

推荐系统的未来发展
推荐系统的未来发展

本文从政策及技术发展对推荐系统的影响、推荐系统的就业变化、推荐系统的应用场景及交互方式、推荐算法与工程架构、人与推荐系统的有效协同、推荐系统多维度价值体现等6个方面来讲解推荐系统的未来发展

《Kubernetes 与云原生应用》系列之云原生应用的设计理念与挑战

《Kubernetes与云原生应用》专栏是InfoQ向轻元科技首席架构师王昕约稿的系列文章。本专栏包含8篇内容,本文是该专栏的第二篇。

淘宝应用柔性架构的探索
淘宝应用柔性架构的探索

本文介绍淘宝基础服务在淘系架构升级上为应对微服务架构在演进过程中遇到的问题所进行的探索。

我怎样让一款App获得200万+的下载量,还从广告上赚了10万?
我怎样让一款 App 获得 200 万 + 的下载量,还从广告上赚了 10 万?

用周末时间开发一款游戏App,获得200万次的下载量,高峰期1天新增3万用户。这一切,只花了1000美元,通过自然流量实现。最后,我还从广告上赚了10万。这要归功于ASO理论知识。

如何利用云原生技术构建现代化应用
如何利用云原生技术构建现代化应用

今天,云和云计算技术已经被企业广泛所接受,关于云、云计算、云原生都有非常多的话题,但是我比较想讨论的是在所有云当中真正的主角,就是我们的应用。

知识图谱正处在预爆发顶点,哪些才是你应该关注的核心问题?
知识图谱正处在预爆发顶点,哪些才是你应该关注的核心问题?

腾讯在知识图谱技术的落地演进过程中趟过不少坑,有什么可借鉴之处?

联邦推荐在金融营销中的应用实践
联邦推荐在金融营销中的应用实践

在“数据孤岛”与“隐私保护”的现实问题中,在合理合法的前提下使用数据持续优化效果提供优质服务,是当前推荐系统所面临的巨大挑战和首要任务。

基于知识的搜索推荐技术及应用
基于知识的搜索推荐技术及应用

本次分享介绍百度基于知识的搜索推荐技术及应用。

社会化推荐在人人网的应用

推荐引擎随着电子商务的蓬勃发展越来越受到业界的关注,再加上web2.0的兴起,推荐引擎在SNS领域也越来越发挥出巨大的潜力。本文介绍了人人网社会化推荐框架,详述了推荐引擎如何帮助用户迅速建立自己的社交圈子,以及给用户提供优质和个性化的资讯和内容。

微众银行在联邦推荐算法上的探索及应用
微众银行在联邦推荐算法上的探索及应用

本文介绍微众银行在联邦推荐算法上的探索及应用。

深度学习在红豆Live直播推荐系统中的应用
深度学习在红豆 Live 直播推荐系统中的应用

本次分享介绍深度学习在直播推荐中的应用。

EdgeRec:边缘计算在推荐系统中的应用
EdgeRec:边缘计算在推荐系统中的应用

推荐系统在今天互联网产品和应用中起着举足轻重的地位。一般的推荐系统是基于云端计算中心到边缘 ( 比如手机、平板电脑等 ) 的结构,这其中会由于网络带宽和延迟等导致结果的延迟。

Embedding技术在房产推荐中的应用
Embedding 技术在房产推荐中的应用

本文将以58同城为例,分享 Embedding 相关技术的实践。

个性化推荐性能提升20%:图学习在Uber Eats餐饮推荐系统的应用
个性化推荐性能提升 20%:图学习在 Uber Eats 餐饮推荐系统的应用

本文基于应用实践介绍其中的算法实现逻辑,及搜索和推荐系统模型。

标签个性化数据在推荐排序中的应用

本文share的这个项目,是我们在个性化推荐上的一个小小的尝试。通过捕捉用户实时的标签快速捕捉用户兴趣变化,用机器学习算法挖掘用户兴趣与实际消费行为的联系,及时调整推荐排序,提高推荐效果。

深度学习技术在美图个性化推荐的应用实践
深度学习技术在美图个性化推荐的应用实践

本文介绍美图在内容社区推荐场景下应用深度学习技术提升点击率、关注转化率和人均时长等多目标的实践经验。

机器学习模型在携程海外酒店推荐场景中的应用
机器学习模型在携程海外酒店推荐场景中的应用

酒店涉及到的推荐场景较多,例如城市热门酒店推荐、附近同类型酒店推荐、机票页酒店交叉推荐、Meta着陆页相似酒店推荐、信息流推荐等。 大部分场景都实现了个性化的推荐服务,其核心就是一组酒店与一组用户相匹配的挑战。本文介绍机器学习模型在携程海外酒店推荐场景中的应用。

推荐应用专题_资料-InfoQ中文网