深度树匹配
收录了 深度树匹配 频道下的 50 篇内容
阿里妈妈新突破：深度树匹配如何扛住千万级推荐系统压力
推荐系统已经深入到每个人生活的方方面面，网购、音乐、新闻、视频等等场景中，用户都可以感受到推荐系统带来的便利。
阿里深度树匹配召回体系演进
目前不管是广告还是推荐业务，最底层的技术都是检索，由于候选集合非常大，可能从千万甚至亿级别取出数十个用户感兴趣的商品。
深度树匹配——下一代推荐技术的探索和实践
本次分享介绍阿里妈妈精准算法团队围绕全库检索+先进模型这一目标，自主提出的深度树匹配技术推荐算法框架。
深度树匹配——下一代推荐技术的探索和实践
本次分享介绍阿里妈妈在近一年的技术进展。
360 展示广告召回系统的演进
本文从召回系统演进的角度详细阐述工程实践中的算法应用、技术难点以及解决方案。
阿里 TDM：Tree-based Deep Model
现在的推荐系统一般分为两个阶段：召回和排序。
阿里妈妈深度树检索技术（TDM）及应用框架的探索实践
本文介绍阿里妈妈的深度树检索技术（TDM）。
Google 最新论文，Youtube 视频推荐如何做多目标排序
本文则结合作者在工作中的经验总结，着重于串讲推荐召回层的模型变化。
推荐召回算法之深度召回模型串讲
本文结合作者在工作中的经验总结，着重于串讲推荐召回层的模型变化。
阿里广告 match 技术最新突破：亿级商品全库最优检索技术
“人找信息”主要通过搜索技术来实现，而基于人和信息的关系实现“信息找人”，则主要依赖推荐及广告技术。
阿里妈妈开源曲率空间学习框架、联邦学习解决方案，大幅提升数据的保护和使用效率
这两项最新技术成果的开源，将助力业界提高数据隐私保护能力，预计可降低80%的存储消耗量和提升15%的用户请求匹配精准度。
五大人工智能顶会 2019 必读的深度推荐系统相关的论文
本文主要总结一下深度推荐系统相关的几大顶会（包含ICML2019/ KDD2019/ IJCAI2019/ WWW2019）必读的几篇论文
深度推荐系统与 CTR 预估 2019 年上半年值得精读的论文
推荐2019年上半年工业界深度推荐系统与CTR预估上值得精读的20篇论文。
推荐场景中召回模型的演化过程
本文介绍深度学习广泛用于推荐场景之后召回模型的一个演化过程。
比图文推荐更难，考拉 FM 如何实现车载音频个性化产品？
在车载环境中，为了安全起见，主动用户行为很少，这种推荐系统产品构建好的关键是什么？
推荐系统 [二]：召回算法超详细讲解 [召回模型演化过程、召回模型主流常见算法 (DeepMF_TDM_Airbnb Embedding_Item2vec 等)、召回路径简介、多路召回融合]
推荐可分为以下四个流程，分别是召回、粗排、精排以及重排： 1. 召回是源头，在某种意义上决定着整个推荐的天花板； 2. 粗排是初筛，一般不会上复杂模型； 3. 精排是整个推荐环节的重中之重，在特征和模型上都会做的比较复杂；
KDD2019 | Boss 直聘联合北京大学提出基于记忆的深度文本匹配技术用于人岗推荐
实验证明，互联网招聘场景中的求职者与招聘者双方确实存在历史行为偏好，并且该偏好可以用来改善人岗匹配推荐系统。
现代存储系统背后的算法
本文详细剖析了两种被大多数现代数据库使用的存储系统设计方法，即针对读操作优化的B树，以及针对写操作优化的LSM树，并介绍了两种方法的一些用例和权衡考虑。
当 AlphaGo 战胜李世石以后，我们来聊聊深度学习
1..深度学习在各个领域的前沿应用2.深度学习在明略数据建模项目中的应用 3.明略数据如何结合深度学习与DataInsight搭建分布式学习平台 本文是4月20日大数据杂谈群分享的内容。关注”大数据杂谈“公众号，点击”加群学习“，更多一线技术分享等着你。
京公网安备 11010502039052号 | 产品资质
