标签:推荐系统

06月03日

深度学习在推荐领域的应用

当2012年Facebook在广告领域开始应用定制化受众(Facebook Custom Audiences)功能后,“受众发现”这个概念真正得到大规模应用,什么叫“受众发现”?如果你的企业已经积累了一定的客户,无论这些客户是否关注你或者是否跟你在Facebook上有互动,都能通过Facebook的广告系统触达到。“受众发现”实现了什么功能?在没有这个系统之前,广告投放一般情况都是用标签去区分用户,再去给这部分用...

10月11日

腾讯大数据实践:深度递归网络在序列式推荐的应用

在内容爆炸性增长的今天,个性化推荐发挥着越来越重要的作用,如何在海量的数据中帮助用户找到感兴趣的物品,成为大数据领域极具挑战性的一项工作;另一方面,深度学习已经被证明在图像处理,计算机视觉,自然语言处理等领域都取得了不俗的效果,但在个性化推荐领域,工程应用仍然相对空白。     本文是深度学习在个性化推荐实践应用的第二篇,在第一篇中,我详述了如何利用历史沉...

12月06日

用Hadoop构建电影推荐系统

Hadoop家族系列文章,主要介绍Hadoop家族产品,常用的项目包括Hadoop, Hive, Pig, HBase, Sqoop, Mahout, Zookeeper, Avro, Ambari, Chukwa,新增加的项目包括,YARN, Hcatalog, Oozie, Cassandra, Hama, Whirr, Flume, Bigtop, Crunch, Hue等。 从2011年开始,中国进入大数据风起云涌的时代,以Hadoop为代表的家族软件,占据了大数据处理的广阔地盘。开源界及厂商,所有数据...

10月20日

当当网推荐团队的机器学习实践

当当个性化推荐开发经理张相於深度分享当当推荐团队的机器学习实践经验,侧重介绍一个小团队在构建系统时的一些实践,一些坑,以及如何从坑里爬出来。当当构建机器学习系统过程中踩过的坑主要包括:只见模型,不见系统;不重视可视化分析工具;过于依赖算法;关键流程和数据没有掌握在自己团队;团队不够“全栈”;巨型系统。工具方面,当当在探索阶段选择的是R和Python,大数据阶段则主要依...

09月28日

京东大数据与深度学习平台实践

摘要:来自京东DNN实验室的四位专家参加了2015中国人工智能大会,并接受了CSDN记者的采访,介绍了京东对人工智能和深度学习的认识,深度学习技术在京东的最新应用进展,以及京东DNN实验室的未来规划。 7月26日-27日,2015中国人工智能大会(CCAI 2015)在北京召开,深度学习毫无意外地成为与会嘉宾热议的一个话题。来自京东DNN实验室的四位专家,核心科学家李成华、张晓鑫,以及京...

09月28日

美团网推荐系统整体框架与关键工作

沈国阳表示, 对于推荐系统的效果提高,排序比候选集的贡献要大很多。美团排序的主要工作包括:模型及建模,样本采样及label处理,去除position bias,特征工程,Interleaving的使用,以及Online Learning的尝试等。 以下为分享内容文字整理: 美团推荐产品 沈国阳首先介绍了美团的几个重要的推荐产品: 1.猜你喜欢:美团最重要的推荐产品,目标是让用户打开美团 App的时候,可...

09月08日

《纽约时报》如何打造新一代推荐系统

《纽约时报》每天发布超过300篇文章、博客和鲜活的故事。 通过精炼读者获取这些内容的途径,即在移动应用和网站上基于读者喜好调整文章布局,能够帮助读者找到与他们相关的内容,比如在正确的时间推送读者感兴趣的内容、重大事件的个性化补充内容、符合他们偏好的多媒体格式故事等。本文将介绍最近在改造《纽约时报》推荐算法的过程中所做的工作,目前该算法主要应用于《纽约时...