• 13020021775
  • 18810698923@163.com
  • 机器联盟 | 人工智能内容分享与共建平台

推荐系统


王喆《深度学习推荐系统》 第2章 前深度学习时代——推荐系统的进化之路(1)

在互联网永不停歇的增长需求的驱动下,推荐系统的发展可谓一日千里,从2010年之前千篇一律的协同过滤( Collaborative Filtering, CF )、逻辑回归( Logistic Regression, LR), 进化到因子分解机( Factorization Machine, FM)、梯度提升树( Gradient Boosting Decision Tree, GBDT),再到2015年之后深度学习推荐模型的百花齐放,各种模型架构层出不穷。推荐系统的主流模型经历了从单一模型到组合模型,从经典框架到深度学习的发展过程。

阅读全文


王喆《深度学习推荐系统》 第1章 互联网的增长引擎——推荐系统

这是一个生活处处被推荐系统影响的时代。想上网购物,推荐系统会帮你挑选满意的商品;想了解资讯,推荐系统会为你准备你感兴趣的新闻;想学习充电,推荐系统会为你提供最适合你的课程; 想消遣放松,推荐系统会为你奉上让你欲罢不能的短视频; 想闭目养神,推荐系统可以为你播放最应景的音乐。可以说,推荐系统从来没有像现在这样影响着人们的生活。

阅读全文


深度学习技术在美图个性化推荐的应用实践

美图秀秀社交化的推进过程中,沉淀了海量的优质内容和丰富的用户行为。推荐算法连接内容消费者和生产者,在促进平台的繁荣方面有着非常大的价值 。本次分享探讨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。

阅读全文


美图个性化推送的 AI 探索之路

Push 作为一种有效的拉起 DAU 和召回用户的策略,近几年来被各类社交 App 广泛应用,随着深度神经网络在语音和图像识别上取得的巨大成功,AlphaGo 战胜人类围棋顶尖高手,以深度网络为基础的人工智能迎来第三次高潮。如何将深度模型应用于个性化 push 场景,从而减少无效 push 对用户的骚扰,是近年来一个关注的热点。本次分享将结合美图的实际业务场景从 Embedding、召回、排序、文案、内容池等多个方面介绍如何打造一个良好的 push 场景。

阅读全文