- 1、概要推荐系统时使用广泛的技术之一，尤其在电商领域中，使用非常频繁。推荐系统涉及多种专业术语和算法。2、数据说明2.1 用户列表所有用户构成的集合，主要是用户id。 例如电影推荐中的所有观影人users.dat数据：uid::性别::年龄::职业::邮编----------------------1::F::1::10::480672::M::56::16::700723::M::25::... 1、概要推荐系统时使用广泛的技术之一，尤其在电商领域中，使用非常频繁。推荐系统涉及多种专业术语和算法。2、数据说明2.1 用户列表所有用户构成的集合，主要是用户id。 例如电影推荐中的所有观影人users.dat数据：uid::性别::年龄::职业::邮编----------------------1::F::1::10::480672::M::56::16::700723::M::25::...
- 第三章 系统设计开发平台随着云计算的不断发现、很多业务已经已经本地机房搬迁到了各种云环境、之前很多需要自己本地构筑的服务、现在已经有很多的SaaS服务。最经典的是Office365的服务、之前很多企业都是自己构筑本地的Exchange服务器。现在更多的选择是使用Office365在线的邮箱服务。机器学习做为新代一技术的代表当然也有很多在线的平台可以使用阿里云机器学习服务 ... 第三章 系统设计开发平台随着云计算的不断发现、很多业务已经已经本地机房搬迁到了各种云环境、之前很多需要自己本地构筑的服务、现在已经有很多的SaaS服务。最经典的是Office365的服务、之前很多企业都是自己构筑本地的Exchange服务器。现在更多的选择是使用Office365在线的邮箱服务。机器学习做为新代一技术的代表当然也有很多在线的平台可以使用阿里云机器学习服务 ...
- 第一章 绪论课题背景现在的互联网环境中计算机技术的不断更新、手机等移动设备不断的更新换代、越来越多的人开始使用互联网（玛丽·米克尔发布了2018年的互联网趋势报告中指出中国的互联网用户数已经达到了8.29亿）、越来越多的功能提供给我们在使用着（中国市场上监测到应用程序上架数量达到449万款）、同时互联网络的数据也越来越多（中国互联接入流量消耗达到711.1亿GB），我们在使用过程发现自己的可... 第一章 绪论课题背景现在的互联网环境中计算机技术的不断更新、手机等移动设备不断的更新换代、越来越多的人开始使用互联网（玛丽·米克尔发布了2018年的互联网趋势报告中指出中国的互联网用户数已经达到了8.29亿）、越来越多的功能提供给我们在使用着（中国市场上监测到应用程序上架数量达到449万款）、同时互联网络的数据也越来越多（中国互联接入流量消耗达到711.1亿GB），我们在使用过程发现自己的可...
- 华为云推荐系统于2018年10月30日 00：00(北京时间) 转商通知 华为云推荐系统于2018年10月30日 00：00(北京时间) 转商通知
- 文章目录 一、回顾word2vec中的负采样1.1 滑动窗口1.2 目标函数1.3 预测函数 二、word2vec中的负采样实现三、推荐系统中召回相关基础3.1 召回中的三种训练方式（1）Po... 文章目录 一、回顾word2vec中的负采样1.1 滑动窗口1.2 目标函数1.3 预测函数 二、word2vec中的负采样实现三、推荐系统中召回相关基础3.1 召回中的三种训练方式（1）Po...
- 学习总结 ESMM首创了利用用户行为序列数据在完整样本空间建模，并提出利用学习CTR和CTCVR的辅助任务，迂回学习CVR，避免了传统CVR模型经常遭遇的样本选择偏差和训练数据稀疏的问题，取得了显著的效... 学习总结 ESMM首创了利用用户行为序列数据在完整样本空间建模，并提出利用学习CTR和CTCVR的辅助任务，迂回学习CVR，避免了传统CVR模型经常遭遇的样本选择偏差和训练数据稀疏的问题，取得了显著的效...
- 文章目录 一、个性化推荐的成功应用的两个条件二、音乐推荐的特点1、物品空间大2、消费每首歌的代价很小3、物品种类丰富4、听一首歌耗时很少5、物品重用率很高6、用户充满激情7、上下文相关8、次序很重... 文章目录 一、个性化推荐的成功应用的两个条件二、音乐推荐的特点1、物品空间大2、消费每首歌的代价很小3、物品种类丰富4、听一首歌耗时很少5、物品重用率很高6、用户充满激情7、上下文相关8、次序很重...
- 文章目录 一、CG，累计增益 Cumulative Gain二、DCG，折损累计增益 Discounted cumulative gain三、NDCG，归一化折损累计增益 Normalized D... 文章目录 一、CG，累计增益 Cumulative Gain二、DCG，折损累计增益 Discounted cumulative gain三、NDCG，归一化折损累计增益 Normalized D...
- 文章目录 一、DSSM模型1.1 DSSM模型架构1.2 模型原理 二、负样本构造的6个常用方法2.1 曝光未点击数据2.2 全局随机选择负例2.3 Batch内随机选择负例2.4 曝光数据中... 文章目录 一、DSSM模型1.1 DSSM模型架构1.2 模型原理 二、负样本构造的6个常用方法2.1 曝光未点击数据2.2 全局随机选择负例2.3 Batch内随机选择负例2.4 曝光数据中...
- 文章目录 一、提高流量利用率二、挖掘和匹配长尾需求三、提升用户体验四、技术积累 推荐系统的作用可以从以下4个方面分析： 一、提高流量利用率 流量特点： 稀缺性：获取流量是有成本的，... 文章目录 一、提高流量利用率二、挖掘和匹配长尾需求三、提升用户体验四、技术积累 推荐系统的作用可以从以下4个方面分析： 一、提高流量利用率 流量特点： 稀缺性：获取流量是有成本的，...
- 学习总结 （1）task4主要是前后端基础及交互（前端、flask、后端请求逻辑）。 （2）Web前端网页：由文字、图像、超链接、音频、视频以及Flash等元素构成；Web标准有三层结构，分别是结构（... 学习总结 （1）task4主要是前后端基础及交互（前端、flask、后端请求逻辑）。 （2）Web前端网页：由文字、图像、超链接、音频、视频以及Flash等元素构成；Web标准有三层结构，分别是结构（...
- 学习总结 （1）五种主流的推荐模型离线评估方法：Holdout 检验、交叉检验、自助法、时间切割和离线 Replay。Holdout 检验最简单常用，它通过随机划分的方式把样本集划分成训练集和测试集。而... 学习总结 （1）五种主流的推荐模型离线评估方法：Holdout 检验、交叉检验、自助法、时间切割和离线 Replay。Holdout 检验最简单常用，它通过随机划分的方式把样本集划分成训练集和测试集。而...
- 学习总结 （1）DeepFM 模型在解决特征交叉问题上非常有优势，它会使用一个独特的 FM 层来专门处理特征之间的交叉问题。具体来说，就是使用点积、元素积等操作让不同特征之间进行两两组合，再把组合后的结... 学习总结 （1）DeepFM 模型在解决特征交叉问题上非常有优势，它会使用一个独特的 FM 层来专门处理特征之间的交叉问题。具体来说，就是使用点积、元素积等操作让不同特征之间进行两两组合，再把组合后的结...
- 学习总结 （1）深度推荐模型的前沿趋势，强化学习（Reinforcement Learning，又叫增强学习）与深度推荐模型的结合。强化学习的大体过程：通过训练一个智能体（它与环境交互，不断学习并强化自... 学习总结 （1）深度推荐模型的前沿趋势，强化学习（Reinforcement Learning，又叫增强学习）与深度推荐模型的结合。强化学习的大体过程：通过训练一个智能体（它与环境交互，不断学习并强化自...
- 第30届国际信息与知识管理大会（The 30th ACM International Conference on Information and Knowledge Management, CIKM 20... 第30届国际信息与知识管理大会（The 30th ACM International Conference on Information and Knowledge Management, CIKM 20...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
去报名 -
苏州工业园区“华为云杯”2025人工智能应用创新大赛赛中直播2025/08/21 周四 16:00-17:00
Vz 华为云AIoT技术布道师
本期直播将与您一起探讨如何基于华为云IoT平台全场景云服务，结合AI、鸿蒙、大数据等技术，打造有创新性，有竞争力的方案和产品。
即将直播
热门标签