关于 外推排名优化σσ:1716160940 的搜索结果,共406
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作用的深度学习技术,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)
整个系统由两个神经网络组成:候选生成网络和序网络。候选生成网络从百万量级的视频库中生成上百个候选,序网络对候选进行打分序,输出最高的数十个结果。系统结构如图1所示: 图1. YouTube 个性荐系统结构 候选生成网络(Candidate Generation Network) 候选生成网络将荐问题建模为一个类别数极大的多类分类问题:对于一个Youtube用户,使用其观看历史(视频ID)、搜索词记录(search tokens)、人口学信息(如地理位置、用户登录设备)、二值特征(如性别,是否登录)和连续特征(如用户年龄)等,对视频库中所有视频进行多分类,得到每一类别的分类结果(即每一个视频的荐概率),最终输出概率较高的几百个视频。 首先,将观看历史及搜索词记录这类历史信息,映射为向量后取平均值得到定长表示;同时,输入人口学特征以新用户的荐效果,并将二值特征和连续特征归一处理到[0, 1]范围。接下来,将所有特征表示拼接为一个向量,并输入给非线形多层感知器(MLP,详见识别数字教程)处理。
h****e 2018-07-10
程序:我从哪里来?
Naming Agent:提供BNS的查询功能,用户可以根据一个字(服务组、服务单元、实例)就能得到详细的服务信息。Naming Agent与Cache层的数据交互,采用拉结合的方式,Naming Agent主动拉取数据和Cache模块送变更数据,同时Naming Agent客户端会将查询过的数据置于本地缓存中,以此降低Cache层的查询压力。 Check Agent:提供BNS实例的健康检查功能,用户通过在Web页面对每一个实例配置健康检查的方式,机器上的Check Agent会主动探测所有实例的运行状况,并将健康检查的结果上报给Cache层,同时更新数据库内容。 总结 BNS系统满足服务间交互中常见的的资源定位、IP白单维护等需求,也可以用于机器列表查询,使用场景包括机器列表查询、服务定位、白单维护、数据库智能授权等,解决了程序“我是谁?我从哪里来?该往哪里去?”的问题。 今天我们一起聊了百度云Noah智能运维产品中的BNS系统,目前系统还在持续迭代和中,若您想进一步了解BNS问题,欢迎大家积极留言。
x****7 2018-07-10
行进阶专业 传统企业AI转型差的可能只是一个百度EasyDL
百度EasyDL的出及政策安,正在兑现李彦宏AI的普惠承诺。 传统上,新技术传播趋势一般遵循“S型曲线”理论,即一项技术在引进期,其商业成果相对昂贵,普及比较缓慢,一旦进入成长期,普及速度呈现指数型增长,价格逐渐下降,一旦进入成熟期就走向曲线顶端,增长率放缓、动力缺乏,最后进入衰退期。 百度EasyDL则以低门槛操作和限量免费政策,大大缩短了导入期,动了AI技术短期内即开始大规模应用,2018年,谷歌的AutoML 也将服务对象转向普罗大众,不过,百度EasyDL的产业进程显得更快。 百度正以平台、生态的思路,加速进AI产业落地。所谓平台,即AI技术以最低的门槛向输出,合作伙伴基于场景进行开发,用于解决实际问题;而生态的核心,就是核心技术平台不争利,放利给生态伙伴,进而产生巨大辐射效应。 百度EasyDL展示百度AI开放生态的一种策略:用平台的思路,将AI规模落地,实实在在解决真问题。 近期,大量个人也正加入到EasyDL的开发者行列中来。
c****1 2018-07-10
你的数字签会被撞破么?——安全 hash 的攻与防
在另一些情况下,攻击者可以同时控制两个输入串 x 和 y,使得 hash(x)=hash(y), 从而欺骗基于 hash 的验证系统。这种情况我们称为“同谋碰撞”。同谋碰撞是可以使 用“生日攻击”大幅度减少运算量的。以 MD5 为例,借用生日攻击,我们不需要枚举 所有 128bit 的串计算 MD5 值以求碰撞,只需要计算 2^64 次 MD5 值即可有 50%的 几率找到这样的 x 和 y。 MD5/SHA1 碰撞具有添加后缀依然碰撞的性质: 若 hash(A)=hash(B),则 hash(A+S)=hash(B+S) 但是并不满足增加前缀的性质,即 hash(A)=hash(B)不出 hash(S+A)=hash(S+B) 2.1 长度扩展攻击 由碰撞的后缀延伸特性导致的一种简单易行的攻击是长度扩展攻击(Length Extension Attack) [4]。例如,某些基于 MD5 的协议使用了如下形式的签值 sign =hash(secret + message) 其中的 secret 是密钥。
TOP