关于 杨凌seo优化推广qq:4100506 惠安螺城镇优酷视频韦 的搜索结果,共421
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)
候选生成网络从百万量级的库中生成上百个候选,排序网络对候选进行打分排序,输出排名最高的数十个结果。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(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,对库中所有进行多分类,得到每一类别的分类结果(即每一个荐概率),最终输出概率较高的几百个。 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。
M****H 2018-07-11
故障定位场景下的数据可实践
通过事件类型标签,打开或关闭某一类事件的展示,先排查最有可能的根因。同时对于每一类事件的支持细分筛选,用户可以自定义事件筛选的条件,支持多项选择、文本模糊匹配等多种方式,使得定位范围一层层缩小,最终找到问题根因。 总结 以上我们介绍了百度智能监控平台在全局故障分析、细分维度定位、事件关联定位三个故障定位阶段中进行的数据可探索。当前百度智能监控平台已成为百度各大业务可用性保障必不可少的利器。 数据可能力的势不仅仅在故障定位场景中由突出体现。还能应用在更多的数据分析领域。我们未来会进一步介绍百度智能监控平台在应用性能分析、商业数据分析等领域的实践成果,欢迎各位继续关注。
x****7 2018-07-10
从外行进阶专业 传统企业AI转型差的可能只是一个百度EasyDL
AI普:以平台思路 就迫切希望获取AI能力的企业而言,百度EasyDL一个显而易见的势在于,目前接口采用限量免费的政策,上线模型后可免费获得500次/天的调用额度。发布离线SDK也可以获得2个免费的试用版离线SDK。 “无论你在哪里,无论你从事什么行业,我们都希望你能够平等、便捷地获取AI能力,至少获取百度的AI能力。”百度EasyDL的出及政策排,正在兑现李彦宏AI的普承诺。 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。
TOP