关于 优化外推工作怎么样σσ:1716160 的搜索结果,共761
s****5 2018-07-10
个性荐(二)
总结 本章介绍了传统的个性荐系统方法和YouTube的深度神经网络个性荐系统,并以电影荐为例,使用PaddlePaddle训练了一个个性荐神经网络模型。个性荐系统几乎涵盖了电商系统、社交网络、广告荐、搜索引擎等领域的方方面面,而在图像处理、自然语言处理等领域已经发挥重要用的深度学习技术,也将会在个性荐系统领域大放异彩。 参考文献 P. Resnick, N. Iacovou, etc. “GroupLens: An Open Architecture for Collaborative Filtering of Netnews”, Proceedings of ACM Conference on Computer Supported Cooperative Work, CSCW 1994. pp.175-186. Sarwar, Badrul, et al. "Item-based collaborative filtering recommendation algorithms."
c****2 2018-07-10
个性荐(一)
学术界和业界都在尝试将深度学习应用于个性荐系统领域中。深度学习具有秀的自动提取特征的能力,能够学习多层次的抽象特征表示,并对异质或跨域的内容信息进行学习,可以一定程度上处理个性荐系统冷启动问题[6]。本教程主要介绍个性荐的深度学习模型,以及如何使用PaddlePaddle实现模型。 效果展示 我们使用包含用户信息、电影信息与电影评分的数据集为个性荐的应用场景。当我们训练好模型后,只需要输入对应的用户ID和电影ID,就可以得出一个匹配的分数(范围[0,5],分数越高视为兴趣越大),然后根据所有电影的荐得分排序,荐给用户可能感兴趣的电影。 Input movie_id: 1962 Input user_id: 1 Prediction Score is 4.25 模型概览 本章中,我们首先介绍YouTube的视频个性荐系统[7],然后介绍我们实现的融合荐模型。 YouTube的深度神经网络个性荐系统 YouTube是世界上最大的视频上传、分享和发现网站,YouTube个性荐系统为超过10亿用户从不断增长的视频库中荐个性的内容。
TOP