-
小米移动搜索中的 AI 技术
文章作者：宫士敏 小米大数据部 算法团队 Leader 编辑整理：王成林 内容来源：AI 科学前沿大会 出品社区：DataFun 注：欢迎转载，转载请注明出处 一、背景 以深度学习为代表的 AI 技术近年来在搜索推荐场景中得到广泛的应用，对用户 Query 和内容侧的理解不断深入，用户体验得到显著提 ....- 1年前
-
「回顾」饿了么推荐算法演进及在线学习实践
收录自 DataFunTalk 公众号 分享嘉宾：刘金老师 编辑整理：李亚俊 内容来源：DataFun AI Talk《饿了么推荐算法演进及在线学习实践》 出品社区：DataFun [图片] 本次分享的主要内容包括以下三个方面：首先是介绍推荐业务背景，包括推荐产品形态及算法优化目标；然后是算法的演进 ....- 1年前
-
贝壳找房 | 面向 AI 技术的贝壳一站式大数据开发平台实践
仰宗强@贝壳找房 本文根据贝壳找房资深工程师仰宗强老师在 2020 年'面向 AI 技术的工程架构实践'大会上的演讲速记整理而成。 1 开场 大家下午好，很荣幸来到这跟大家一起分享贝壳一站式大数据开发平台的落地实践。今天的分享主要分为以下四个部分： 贝壳的数据业务背景。 数据开发平台探索历程。 数据 ....- 1年前
-
58 招聘推荐系统介绍——AB 实验框架
58 招聘智能推荐系统 推荐的概念早已渗透进我们的日常生活中，我们欣赏过各类电影、音乐、游戏榜单，沉迷过电商节日层出不穷的百货商品，甚至钻研过如何选择投资理财，如何购房置业，如何开启更好的职业生涯。在这样一个信息爆炸的时代，我们永远不缺少选项，如果没有推荐发挥作用，在海量的数据面前，我们有时不知所措 ....- 1年前
-
[图片] 在 NLP（自然语言处理）中，NER（命名实体识别）是很多应用的关键一步，江湖地位毫无争议，它的研究主体一般包括 3 大类(实体类、时间类和数字类)和 7 小类(人名、地名、机构名、时间、日期、货币和百分比)命名实体。贝壳找房作为中国最大的居住服务平台，有丰富的数据和合适的场景，所以该技术 ....
- 1年前
-
BiLSTM 上的 CRF，用命名实体识别任务来解释 CRF（1）
作者：CreateMoMo 编译：ronghuaiyang 导读 看了许多的 CRF 的介绍和讲解，这个感觉是最清楚的，结合实际的应用场景，让你了解 CRF 的用处和用法。 该系列文章将包括： 介绍 — 在 BiLSTM 顶层上使用 CRF 层用于命名实体识别任务的总体思想 详细的例子 — 一个例子 ....- 1年前
-
干货 | 业界实时数据体系架构
[图片] 刘大龙@唯品会 导读： 随着互联网的发展进入下半场，数据的时效性对企业的精细化运营越来越重要， 商场如战场，在每天产生的海量数据中，如何能实时有效的挖掘出有价值的信息， 对企业的决策运营策略调整有很大帮助。此外，随着 5G 技术的成熟、广泛应用， 对于工业互联网、物联网等数据时效性要求非常 ....- 1年前
-
回顾·HBase 在贝壳找房的实践经验
本文转发于 DataFunTalk 公众号 [图片] 本文根据贝壳找房邓钫元老师在中国 HBase 技术社区第二届 MeetUp：“HBase 技术解析及应用实践”中分享的《HBase 在贝壳找房的实践经验》编辑整理而成，在未改变原意的基础上稍做整理。 [图片] 钫元老师 [图片] 首先给大家介绍一 ....- 1年前
-
当你打开天猫的那一刻，推荐系统做了哪些工作？
[图片] 阿里妹导读：当年打开天猫的那一刻，它为你完成了华丽的变身，成为世上独一无二的“天猫”，这就是智能推荐的力量。今天，来自阿里巴巴搜索推荐事业部的算法工程师陈启伟为你介绍天猫如何玩转首页个性化推荐，揭开搜索推荐的神秘面纱。 天猫首页作为用户打开手机天猫 App 的第一印象，所推荐的商品极大地决 ....- 1年前
-
详解 GAN 的谱归一化（Spectral Normalization）
作者丨尹相楠 学校丨里昂中央理工博士在读 研究方向丨人脸识别、对抗生成网络 本文主要介绍谱归一化这项技术，详细论文参考 Spectral Normalization for Generative Adversarial Networks。 [图片] 本文主要对论文中的基础知识和遗漏的细节做出补充，以 ....- 1年前
-
【搜狐】新闻推荐系统的 CTR 预估模型
出自 搜狐技术产品 公众号 一简介 在推荐系统的排序环节中，我们经常使用 CTR(Click-Through Rate)预估的方式来构建排序模型。在业界的实际应用上，如何通过大规模数据提取出有效特征对用户行为建模、泛化一直是研究人员的工作方向，由于在推荐系统的实际应用中，数据通常非常稀疏，如何从大规 ....- 1年前
-
如何设计一个 A/B test？
作者：刘健阁（Jiange Liu），PCG 数据分析师 实验设计 AB Test 实验一般有 2 个目的： 判断哪个更好：例如，有 2 个 UI 设计，究竟是 A 更好一些，还是 B 更好一些，我们需要实验判定 计算收益：例如，最近新上线了一个直播功能，那么直播功能究竟给平台带了来多少额外的 DA ....- 1年前
-
BiLSTM 上的 CRF，用命名实体识别任务来解释 CRF（3）推理
作者：CreateMoMo 编译：ronghuaiyang 导读 今天是第三部分，介绍如何推理新的句子。 前两篇链接： https://www.6aiq.com/article/1585116912485 https://www.6aiq.com/article/1585415235824 2.6 ....- 1年前
-
万字长文！推荐系统算法岗校招面试经验 & 学习心得
本文总结了百度，华为，京东，360，vivo 等接近 20 家公司的推荐算法校招面试经验和个人心得，以及若干学习资料和方法，相信无论是在校生还是从业人员读后都会有所收获 ～ 作者：Taylover1314 编辑：happyGirl [图片] 0、写在前面 秋招已经渐行渐远，休养生息（吊儿郎当）了一个 ....- 1年前
-
理解五个基本概念，让你更像机器学习专家
摘要：这篇文章主要讲述了机器学习的相关内容，阐述了机器学习的主要意义和形成过程。区别了机器学习与 AI、深度学习、神经网络等专业词汇。 [图片] 大多数人可能对机器学习有点恐惧或困惑。 脑子中会有它到底是什么，它有什么发展方向，我现在可以通过它挣钱吗等等这样的问题。 这些问题的提出都是有依据的。事实 ....- 1年前
-
罗振宇 2018“时间的朋友”跨年演讲未删减全文
[图片] 2018 年 12 月 31 日 20:30，深圳“春茧”体育馆，罗振宇 2018“时间的朋友”跨年演讲如约而至。 罗胖曾发下大愿望：跨年演讲要连办二十年。今年，是第四场，也是倒数第十七场。 在历时四个小时的演讲中，罗胖通过对过去一整年的回顾和未来的展望，连发“扎心五问”，最终揭示出—— ....- 1年前
-
BiLSTM 上的 CRF，用命名实体识别任务来解释 CRF（4）
作者：CreateMoMo 编译：ronghuaiyang 前几篇文章： BiLSTM 上的 CRF，用命名实体识别任务来解释 CRF（1） BiLSTM 上的 CRF，用命名实体识别任务来解释 CRF（2）损失函数 https://www.6aiq.com/article/158557085420 ....- 1年前
-
前言 很久之前分享过 ReetrantLock 的实现深入剖析 ReentrantLock 公平锁与非公平锁源码实现，而今再回头去看，对 AQS 也有了更深刻准确的理解，随即更新了下之前的文章。今天分享利用 AQS 实现的另一个重要的 JUC 工具类 Condition。如果上篇理解到位，这个 Co ....
- 1年前
-
微软专家眼中个性化推荐系统的 5 大研究趋势
微软亚洲研究院 2018 年 11 月 29 日 [图片] “猜你喜欢”、“购买过此商品的用户还购买过……”对于离不开社交平台、电商、新闻阅读、生活服务的现代互联网用户来说，个性化推荐已经不是什么新鲜事儿。 随着信息技术和互联网行业的发展，信息过载成了人们处理信息的挑战。对于用户而言，如何在以指数增 ....- 1年前
-
NLP-BERT 谷歌自然语言处理模型：BERT- 基于 pytorch
一、前言 最近谷歌搞了个大新闻，公司 AI 团队新发布的 BERT 模型，在机器阅读理解顶级水平测试 SQuAD1.1 中表现出惊人的成绩：全部两个衡量指标上全面超越人类，并且还在 11 种不同 NLP 测试中创出最佳成绩，包括将 GLUE 基准推至 80.4％（绝对改进 7.6％），MultiNL ....- 1年前
-
