| 共 13 篇文章 |
|
一般来说，可解释的推荐分为下图所示的三大类：以物品为媒介、以用户为媒介、以及以特征为媒介。三大类推荐解释：以物品、用户、特征为媒介。以用户为媒介的推荐解释与以物品、特征为媒介的推荐解释相比，最能说服用户对推荐物品进行评估，但是对用户实际使用物品后喜爱程度影响比较小。现有的可解释推荐所生成的推荐解释往往只局限于以物品为... 阅323 转2 评0 公众公开 17-09-14 17:35 |
个性化推荐引擎，对不同的用户，根据他们的口味和喜好给出更加精确的推荐，这时，系统需要了解需推荐内容和用户的特质，或者通过找到与当前用户相同喜好的用户，实现推荐。2.基于用户的协同过滤，当新用户进来时，通常是根据用户类型、属性特征，看相同类型的用户的喜好，然后假设当前用户的喜好，然后推荐。3.促使单个用户浏览更多物品。用户... 阅44 转0 评0 公众公开 17-06-05 00:56 |
今日头条作为一种新型的新闻阅读方式，已经将传统的新浪、腾讯、网易、搜狐这些新闻媒体以一种大数据+新闻内容的方式呈现给用户。上面的例子说明了定制新闻以泛热点新闻为基础数据来完成的事实，这就出现一个问题，即当一个人关注的新闻不是热点时，系统得不到相关的热点，就会在该新闻当中寻找其他信息进行再匹配，这样匹配出的新闻在现有信息... 阅1529 转6 评0 公众公开 17-05-11 14:54 |
张小龙搜索野心暴露：成立搜索应用部了，百度搜狗该哭了吧。微信事业群下的游戏中心升级为增值业务部，负责微信账号下的游戏商业化和运营、建设微信平台的游戏内容生态、打造微信电竞开放能力。甚至，八姐觉得，这标志着微信将搜索框正式上升至战略高度，而微信在移动搜索领域的野心也暴露无疑。微信的用户数远高于中国搜索用户数，而微信搜索... 阅24 转0 评0 公众公开 17-04-24 22:05 |
1.2.2 奖赏函数定义。Wide侧通过特征交叉来学习特征间的共现，而deep侧通过将具有泛化能力的离散型特征进行特征嵌入(embedding)，和连续型特征一起作为深度神经网络的输入（可以认为是一种特殊的深度神经网络，在网络的最后一层加入了大量的0/1节点），从理论上来说，我们可以把deep侧看作传统矩阵分解(matrix factorization)的一种泛化实现，... 阅635 转5 评0 公众公开 17-02-21 13:27 |
第四范式说任何人。第四范式提供了一个基于机器学习的 AI 模型平台，第四范式 CEO 戴文渊介绍公司在模型中提供了一系列的基础算法，形成了大规模分布式机器学习框架（GeneralDistributed Brain Technology，GDBT）。创新工场李开复坚信人工智能的时代已经到来，密密麻麻布局了包括第四范式的几十家人工智能公司，而红杉资本沈南鹏则将“AI 信息... 阅529 转2 评0 公众公开 17-01-03 07:15 |
另外，搜索是针对个人用户的，一个用户发起一个请求，而推荐系统既可能针对单个用户进行推荐，也可能针对用户群进行推荐。有一个很有意思的现象，搜索和推荐的信息对象理论上可以共用的，也就是说可以允许用户设置条件检索一堆候选对象，也可以把这些候选对象主动推荐给可能感兴趣的用户面前。与之相似的是广告系统，搜索广告也是拿着query去获... 阅725 转1 评0 公众公开 16-09-20 18:13 |
