先荐 头像

先荐

30 声望
个性化推荐专家 展开

个性化推荐专家

收起
关注了
1
粉丝数
2
最新动态
  • 发布了文章 ·
    人工智能领域的顶级学术会议大全(二)

    不管是工业界还是学术界,了解一个学科或一个行业的前沿、热点,势必要不断获取最新最热门的研究内容。看到好多同学询问人工智能方面的期刊、顶会,看到这篇文章的你不用担心啦!

  • 发布了文章 ·
    人工智能领域的顶级学术期刊大全(一)

    不管是工业界还是学术界,了解一个学科或一个行业的前沿、热点,势必要不断获取最新最热门的研究内容。看到好多同学询问人工智能方面的期刊、顶会,看到这篇文章的你不用担心啦!

  • 发布了文章 ·
    学习推荐系统必看的10篇RecSys论文,收藏!(官方推荐)

    先荐导读:深入学习任何一门学科,都离不开对前沿知识的了解。对于推荐系统学习者来说,一年一度的RecSys大会就是了解学术界与工业界研究热点的最佳平台。鉴于此,在这篇文章中,我们把过往的RecSys论文整理成一个清单,列出了大家学习推荐系统必看的10篇RecSys论文。

  • 发布了文章 ·
    关于推荐系统,RecSys 2019大会都讨论了什么?(附论文下载)

    2019年的推荐系统大会(Recsys) 于今年的9月份在丹麦哥本哈根举行,来自世界各地的909位专家、学者参与了此次会议,迄今为止规模最大的一次。大会涵盖了与推荐系统相关的主题,从推荐系统的社会影响到搭建推荐系统所用的算法。

    摘要图
  • 发布了文章 ·
    机器学习过程中,我们该如何分析数据集?

    在正式开始前,千万不要把这一步与数据可视化或数据结果统计混淆——数据可视化或数据结果统计意味着结果。

    摘要图
  • 发布了文章 ·
    机器学习就等同于算法吗?

    这也让大家造成了这样的误解:机器学习就是掌握一系列的算法。其实,机器学习并不止步于算法,我们可以把它看做是解决问题的一种综合方法。我们看到的一个个独立的算法,只不过是难题的一角,剩下的难题是我们该如何正确地使用这些算法。

    摘要图
  • 发布了文章 ·
    流式计算的三种框架:Storm、Spark和Flink

    我们知道,大数据的计算模式主要分为批量计算(batch computing)、流式计算(stream computing)、交互计算(interactive computing)、图计算(graph computing)等。其中,流式计算和批量计算是两种主要的大数据计算模式,分别适用于不同的大数据应用场景。

    摘要图
  • 发布了文章 ·
    大数据流式计算存在的挑战

    大数据流式计算系统存在诸多挑战,如资源调度、系统容错、动态时间窗口、高效索引策略等诸多方面。本文将从大数据流式计算系统架构的角度,针对当前大数据流式计算环境中存在的两个方面的典型问题进行系统化的分析,即在线环境下的资源调度问题和节点依赖环境下的容错策略问题,并原则性地分别给出了两类问题的解决策略。

    摘要图
  • 发布了文章 ·
    流式计算的应用特征

    流式计算可以广泛应用于金融银行、互联网、物联网等诸多领域,如股市实时分析、插入式广告投放、交通流量实时预警等场景,主要是为了满足该场景下的实时应用需求。数据往往以数据流的形式持续到达数据计算系统,计算功能的实现是通过有向任务图的形式进行描述,数据流在有向任务图中流过后,会实时产生相应的计算结果。...

    摘要图
  • 发布了文章 ·
    什么是流式计算?

    在日常生活中,我们通常会先把数据存储在一张表中,然后再进行加工、分析,这里就涉及到一个时效性的问题。如果我们处理以年、月为单位的级别的数据,那么多数据的实时性要求并不高;但如果我们处理的是以天、小时,甚至分钟为单位的数据,那么对数据的时效性要求就比较高。在第二种场景下,如果我们仍旧采用传统的数据...

  • 发布了文章 ·
    案例|推荐系统的评估指标

    推荐系统能够为用户提供个性化体验,现在基本上各大电商平台、资讯平台都会用推荐系统为自家评价下的用户提供千人千面的服务。平均精度均值(Mean Average Precision,MAP)便是评估推荐系统性能的度量标准之一。

    摘要图
  • 发布了文章 ·
    用于推荐系统评估的概念与指标(2)

    在上一篇文章《用于推荐系统评估的概念与指标》中,我们介绍了用于推荐系统评估的概念:实用性。在接下来的文章中,我们会介绍新颖性与多样性。

    摘要图
  • 发布了文章 ·
    用于推荐系统评估的概念与指标

    在推荐系统中,研究人员为了能让预测结果对用户提供更多价值,会关注用户满意度。鉴于推荐系统除了让用户购买更多的相似产品外,还必须对用户而言“有用”,研究人员还会关注用户在使用系统时的交互体验和消费体验。 目前,研究人员正在通过评估不同的指标来解决这个问题,而不是简单地通过预测准确度和机器学习技术。

    摘要图
  • 发布了文章 ·
    如何解决推荐系统中的冷启动问题?

    以协同过滤这样的经典推荐系统为例,假设每个用户或项目都有评级,这样我们就可以推断出类似用户/项目的评级,即使这些评级没办法调用。但是,对于新进入的用户/项目,实现这一点很困难,因为我们没有相关的浏览、点击或下载等数据,也就没办法使用矩阵分解技术来“填补空白”。

    摘要图
  • 发布了文章 ·
    推荐系统如何处理数据?

    据统计,全球数据总量预计2020年达到44ZB,中国数据量将达到8060EB,占全球数据总量的18%。现阶段我们所讨论的人工智能,很大程度上都是在谈“人工智能”这个大概念下机器学习领域中的深度学习技术。它的底层原理相对简单,对数据有很大的依赖性,本质上是一种基于大数据的统计分析技术。

    摘要图
  • 关注了用户 ·
    图标
    SegmentFault

    SegmentFault 社区官方帐号,SegmentFault 思否是中国领先的开发者社区和专业的技术媒体。我们希望为中文开发者提供一个纯粹、高质的技术交流平台以及最前沿的技术行业动态,帮助更多的开发者获得成长与成功。自社区上线以来在广大开发者群体中享有极高的口碑及影响力,以技术问答、技术专栏、在线课程为核心产品形态,...

  • 发布了文章 ·
    推荐系统:算法概述

    如今,许多公司都会开发与自己业务息息相关的推荐系统。先荐作为第四范式研发的一款智能推荐产品,已为内容行业的众多媒体客户赋能,实现客户的营收增长。在本文中,我们将会简要介绍现有的主要推荐算法及其工作原理。

    摘要图
  • 发布了文章 ·
    推荐系统:混合过滤

    混合过滤依据的想法是,一种算法可以弥补另一种算法的缺点,多个算法的组合将比单个算法能更准确、有效地提供推荐。

  • 发布了文章 ·
    推荐系统:协同过滤及其利弊

    与基于内容的过滤(CBF)不同,协同过滤(Collaborative Filtering)技术独立于域,适用于无法利用元数据充分描述的项目,如电影、音乐等。

    摘要图
  • 关注了专栏 ·
    图标
    推荐系统传送门

    分享一切与推荐系统相关的知识。

认证与成就
获得 6 次点赞
8月6日 加入
qrcode
关注微信服务号
实时接收新的回答提醒和评论通知