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？

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？

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？

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？

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

「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

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

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

【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

【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

【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

【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