关于 安徽快3一定牛遗漏推荐 zs25.vip 主管Q:86&mda 的搜索结果,共1121
c****2 2018-07-10
个性化
背景介绍 在网络技术不断发展和电子商务规模不断扩大的背景下,商品数量和种类速增长,用户需要花费大量时间才能找到自己想买的商品,这就是信息超载问题。为了解决这个难题,个性化系统(Recommender System)应运而生。 个性化系统是信息过滤系统(Information Filtering System)的子集,它可以用在很多领域,如电影、音乐、电商和 Feed 流等。个性化系统通过分析、挖掘用户行为,发现用户的个性化需求与兴趣特点,将用户可能感兴趣的信息或商品给用户。与搜索引擎不同,个性化系统不需要用户准确地描述出自己的需求,而是根据用户的历史行为进行建模,动提供满足用户兴趣和需求的信息。 1994年明尼苏达大学出的GroupLens系统[1]般被认为是个性化系统成为个相对独立的研究方向的标志。该系统首次提出了基于协同过滤来完成任务的思想,此后,基于该模型的协同过滤引领了个性化系统十几年的发展方向。
s****5 2018-07-10
个性化(二)
我们要提供的feed_order应该和训练过程致。 总结 本章介绍了传统的个性化系统方法和YouTube的深度神经网络个性化系统,并以电影为例,使用PaddlePaddle训练了个个性化神经网络模型。个性化系统几乎涵盖了电商系统、社交网络、广告、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,也将会在个性化系统领域大放异彩。 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."
金****洲 2018-07-10
混乱的集群遇见TA 从此岁月静好
云的要客户已从最初的中小初创公司逐步渗透到各行各业的大型企业。可以说,企业上云已是企业发展的必由之路。部分数据敏感的企业结合自身数据的全性、所有权和控制权等综合因素考虑,会选择搭建自己的私有云或者混合云环境。 但是在上述环境中,用户的机器都需要自行理,这就必然给云运维人员带来很多意想不到的麻烦。 其实我们面临的问题从来就没有什么大的变化,唯不同的只是机器规模越来越大,人心越来越复杂。 Q如何在1台机器上部署基础设施?A 切都源于那个亘古不变的道理:扔个文件到机器上,然后跑个命令。 Q如何在10台机器上部署基础设施?A 写个for循环搞Q如何在10000台机器上部署基础设施?A 这个也好办!制操作系统镜像CUSTOM.iso装机自动化装! then…… Q如何速升级所有机器上的基础设施? Q服务因异常挂掉,能自动重启保活吗? Q公司做活动,预计流量突增,能扩容吗? Q公司活动结束,为节约成本,能缩容吗? Q新开发的基础设施服务有问题,能立马回滚吗? Q可以做虚拟化资源限制基础设施不占用过多的机器资源吗? Q如何先部署小批量机器,确认无误之后,再做全集群部署?
1****2 2018-07-09
百度全:AI 是系统工程 需要真正开放的全护航
而现在普遍应用的TLS/SSL 方案 是基于非内存全语言编写,容易被黑客利用内存洞攻击,而且未来也面临着被 量子计算机破解的威胁。 而百度全基于内存全技术的下代可配置嵌入式全通信协议栈MesaLink, 在语言层面提供内存全保障,算法层面提供后量子密码对抗能力。这就使得网络传输 可以避免OpenSSL“心脏流血”等高危洞隐患,并且能对抗量子密码学攻击,进 步增强网络传输层的全。在MesaLink 的保驾护航下,AI 系统的通信有了内存全 和抗量子破解的双重保障,黑客很难再通过内存洞和量子计算机技术通过网络通 信层攻击进入AI 系统。 云端的全 云全都成了老生常谈的话题。不过现在的云端防护引擎存在着缺陷,比如 它们大多依赖请求特征。方面,要适应千差万别的后端应用,以及它们对协议的处理 方式,本身就很困难。另方面,面临些新型攻击,防御引擎需要及时增添规则,较 为被动。最后,防护引擎只要看到符合特征的请求,就会产生报警,并不知道黑客是否 真的攻击成功了,所以误报率比较高。 自从Gartner 提出自适应全架构之后,得到了业界的致认可。
TOP