台湾
|| 语言:
大陆简体
港澳繁體
台灣正體
熱點
娛樂
體育
財經
社會
時政
遊戲
科技
時尚
美容
關於
"推薦演算法"
的文章
pairwise 的排序演算法用於推薦系統的排序任務中為什麼效果差於pointwise的ctr?
雪花臺灣
3年前
排序演算法
推薦演算法
推薦系統
graph embedding學到的向量和DNN學到的向量有何區別?
雪花臺灣
3年前
wordembedding
推薦演算法
機器學習
深度學習DeepLearning
演算法工程師
ctr預估演算法對於序列特徵embedding可否做拼接,輸入MLP?與pooling相比,優劣在哪?
雪花臺灣
3年前
推薦演算法
機器學習
深度學習DeepLearning
目前有哪些演算法是比較熱門的?
雪花臺灣
3年前
推薦演算法
機器學習
演算法
演算法設計
機器學習推薦或者廣告場景下樣本採樣究竟有多重要?
雪花臺灣
3年前
推薦演算法
推薦系統
數據挖掘
機器學習
計算廣告學
如何反駁「心中坦蕩,何懼人窺」的言論?
雪花臺灣
3年前
引流
推薦演算法
社會工程學
隱私
隱私泄露
「深度」輸出|以頭條為例·淺談推薦策略
雪花臺灣
4年前
互聯網
產品經理
推薦演算法
Embedding 技術在民宿推薦中的應用
雪花臺灣
4年前
人工智慧
機器學習
推薦演算法
推薦策略之召回
雪花臺灣
4年前
推薦演算法
互聯網產品
產品策略
推薦系統中的矩陣分解技術2009
雪花臺灣
4年前
機器學習
推薦演算法
【四.推薦石器時代-1】前推薦時代
雪花臺灣
4年前
推薦演算法
去中心化內容分發
個性化推薦
【五.推薦青銅時代-2】衝突與協調
雪花臺灣
4年前
推薦演算法
去中心化內容分發
個性化推薦
【四.推薦石器時代-2】馬太效應及相關這一時期策略
雪花臺灣
4年前
推薦演算法
去中心化內容分發
個性化推薦
【五.推薦青銅時代-1】關聯與個性化
雪花臺灣
4年前
推薦演算法
去中心化內容分發
個性化推薦
【五.推薦青銅時代-3】召回模塊概述
雪花臺灣
4年前
推薦演算法
推薦系統
去中心化內容分發
加載更多
熱門新聞
週熱門