推荐系统中的核心是从海量的商品库挑选合适商品最终展示给用户。由于商品库数量巨大，因此常见的推荐系统一般分为两个阶段，即召回阶段和排序阶段。召回阶段主要是从全量的商品库中得到用...
发简信
IP属地：贵州
-
推荐系统遇上深度学习(三十九)-推荐系统中召回策略演进！ -
Multi-task Learning(Review)多任务学习概述背景：只专注于单个模型可能会忽略一些相关任务中可能提升目标任务的潜在信息，通过进行一定程度的共享不同任务之间的参数，可能会使原任务泛化更好。广义的讲，只要loss有多个就算M...
-
-
-
@日辰_9620 应为训练过程每一时刻有标准答案啊，这种方法使你的模型得到的比较好
源码解读Tensorflow的Seq2Seq实现API,构建一个数值预测
Seq2Seq的资料很多，这里就简单介绍下吧。顾名思义，它就是一个sequence来预测另一个sequence的模型，主要是一个encoder-decoder的框架。先放个图...
-
Variational Autoencoder, VAE，变分自编码器http://geek.csdn.net/news/detail/230599 X(例如现有MNIST)->z->生成无尽的手写数字 该公式很难求解。因此用一个变分函数q(z...
-
Generative Model（VAE1）Unspervised learning主要任务目标是发掘数据潜在有价值的结构，主要分为clustering，dimentionality reduction，feature...
-
NLPer，中国统计网特邀认证作者<br>个人博客：<br><a href="http://mcgrady.cn" rel="nofollow" target="_blank">http://mcgrady.cn</a><br>github：<a href="https://github.com/TracyMcgrady6" rel="nofollow" target="_blank">https://github.com/TracyMcgrady6</a>
-
神经网络训练Trick神经网络构建好，训练不出好的效果怎么办？明明说好的拟合任意函数(一般连续)(为什么？可以参考Neural Network and Deep Learning)，说好的足够多的...
-
xgboost的原理没你想像的那么难xgboost 已然火爆机器学习圈，相信不少朋友都使用过。要想彻底掌握xgboost，就必须搞懂其内部的模型原理。这样才能将各个参数对应到模型内部，进而理解参数的含义，根据需...
-
@银烟care 输出纬度是1就可以；
或者你可以把输出再处理源码解读Tensorflow的Seq2Seq实现API,构建一个数值预测
Seq2Seq的资料很多，这里就简单介绍下吧。顾名思义，它就是一个sequence来预测另一个sequence的模型，主要是一个encoder-decoder的框架。先放个图...
-
Deep Reinforcement Learning简介David Silver说，AI = RL + DL = Deep Reinforcement Learning他的课程：RL Cource by David SilverR...
-
B端用户服务质量的提升
现象：很多B端用户不在乎服务质量，让c端用户的产品体验非常差。 分析：不论是互联网医疗领域，房产领域，B端用户一般都有自己的主业，对于他们来说，互联网平台只是提供一个信息资源...
-
资讯平台有什么好的办法可以最大限度的减少标题党和低俗内容？
这个问题有三个关键词，最大限度，标题党，低俗内容。 以今日头条为例，我们先来谈谈标题党和低俗内容为什么存在？ 首先，今日头条是偏自媒体运营的平台，没有标题噱头的出现，如何争夺...
-
用户成长体系-竞品分析我按照这个框架对蚂蚁会员、京东金融和华住app进行了竞品分析.WORD直接复制粘贴，有点混乱，后期再做排版~ 案例一：蚂蚁会员 1.产品类型 以支付为主的高频刚需产品 2.目...
