推荐系统

使用图数据库 Amazon Neptune 在推荐系统中按照协同过滤的方法做推荐

使用图数据库 Amazon Neptune 在推荐系统中按照协同过滤的方法做推荐

作者 : 亚马逊AWS官方博客

11 月 27 日

Amazon Neptune 是一项快速、可靠且完全托管的图形数据库服务，可帮助您轻松构建和运行使用高度互连数据集...

推荐系统在房产领域的实践

推荐系统在房产领域的实践

作者 : 许燕松

9 月 7 日

本次分享围绕着我们如何通过对服务架构的升级来提升平台的迭代效率，如何...对多种算法的探索来提升推荐效果...

深度推荐系统领域近三年最值得关注的18篇论文

深度推荐系统领域近三年最值得关注的 18 篇论文

作者 : 深度传送门

9 月 29 日

更多的是需要从最新的顶会工作中开拓视野、吸取不同的思路，来确定工业界线上系统中的下一步的迭代方向。

打造工业级推荐系统（九）：从零开始入门推荐算法工程师

打造工业级推荐系统（九）：从零开始入门推荐算法工程师

作者 : gongyouliu

7 月 19 日

如果大家愿意将来从事推荐算法的工作，但是不知道需要学什么才可以更好地入门，那么你一定要读读这篇文章。

打造工业级推荐系统（六）：构建优质的推荐系统服务

打造工业级推荐系统（六）：构建优质的推荐系统服务

作者 : gongyouliu

6 月 21 日

Web服务模块是直接与用户交互的部分，在整个推荐系统业务流中具有举足轻重的地位，因为Web服务模块的好坏...

五大人工智能顶会2019必读的深度推荐系统相关的论文

五大人工智能顶会 2019 必读的深度推荐系统相关的论文

作者 : 深度传送门

8 月 23 日

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

基于深度学习的推荐系统效果遭质疑，它真的有带来实质性进展吗？

基于深度学习的推荐系统效果遭质疑，它真的有带来实质性进展吗？

作者 : Maurizio Ferrari Dacrema 译者: 马卓奇策划: 蔡芳芳

7 月 30 日

作者通过这篇论文揭示了当前机器学习领域的一些潜在问题，并呼吁大家改进该领域的科学实践。

Instagram推荐系统：每秒预测9000万个模型是怎么做到的？

Instagram 推荐系统：每秒预测 9000 万个模型是怎么做到的？

作者 : Ivan Medvedev等译者: Sambodhi 策划: 赵钰莹

12 月 9 日

该系统能提取 650 亿个特征，每秒进行 9000 万个模型预测。

推荐系统衡量：ABtest 框架

推荐系统衡量：ABtest 框架

作者 : DataFunTalk

6 月 24 日

本文介绍如何用abtest 系统进行变量控制和优化方向选取。

1
2
3
4
5
下一页
尾页