首页 文章 精选 留言 我的

精选列表

搜索[智能体AI],共10000篇文章
优秀的个人博客,低调大师

中国人工智能学会通讯——深度学习与推荐系统 1 推荐技术简介

在当今信息爆炸时代,个性化推荐系统是面向用户的互联网产品的核心技术,可以帮助用户获取所需要的信息,改善信息超载的问题。推荐系统的技术核心是对用户历史、物品属性和上下文等信息进行建模,以推断出用户兴趣,并向用户推荐感兴趣的物品。在信息大数据时代,要有效地利用海量用户历史信息和物品信息,机器学习技术必不可少。近年来深度学习技术迅猛发展,在多个领域取得了突破性的成果,包括语音处理、计算机视觉、自然语言处理等。本质上说,深度学习可以对数据特征进行复杂的映射,从而有效地学习出特征表示,并发现数据中蕴藏的规律。作为一种较为通用的数据建模方法,深度学习技术近年来在推荐系统领域也被广泛地应用。本文对推荐技术和深度学习在推荐系统上的研究进展进行简要介绍。 1 推荐技术简介 早期互联网产品主要以静态网页为主,用户与产品的交互较少。因此早期推荐系统形态主要是个性化程度较低的基于内容的推荐(content-based recommendation)——在用户浏览物品时,根据当前物品属性推荐其他相似物品。现代互联网产品提供许多方式以方便用户与产品的交流,内容提供商可以轻易收集到大量的用户历史,如点击、购买、打分、评论等。因此现代推荐系统的研究主要集中在如何挖掘用户与产品的交互记录,以实现高度个性化的推荐,也就是协同过滤技术(collaborative filtering),奠定了现代推荐系统的基础。 在实际应用中,除了海量的用户与产品的交互历史,还有丰富的用户画像(如年龄、性别、兴趣爱好等)、物品属性(如物品类别、描述、价格等)和上下文信息(如当前会话信息、位置等)。因此,实用的推荐算法需要有很强的扩展性,以轻易融合各种辅助信息(side information)。在通用的机器学习框架下,这些辅助信息可以被统一表示为特征向量(feature vector)作为算法的输入,因此称这一类通用推荐算法为基于特征的推荐(feature-based recommendation)。本章节简要介绍主流的协同过滤技术和基于特征的(浅层学习)推荐技术。

优秀的个人博客,低调大师

中国人工智能学会通讯——深度学习与推荐系统 3 总结与展望

3 总结与展望 本文中简要介绍了推荐系统的核心技术,以及关于深度学习在推荐系统上的最新进展。可以看到,目前深度模型在推荐系统上的应用还处于比较初级的阶段[28],尤其是技术上的发展较慢于计算机视觉和自然语言处理领域。关于未来工作有如下三点展望。 (1)在线学习与增量学习。在实际产品中,用户数据实时到达,为了更好地提供服务,推荐系统模型需要能够实时、有效地刷新推荐列表,这对模型的在线学习和增量学习带来挑战。现有的工作主要考虑矩阵分解等浅层模型的在线学习[13,16],对于深度模型的研究较为稀疏。 (2)关于时间的建模。时间是影响用户行为的一个重要因素,但在现有的推荐系统文献中并没有得到很好的研究。本文对推荐算法的讨论也忽略了时间因素。文献[10]探索了在用户匿名的场景下基于session的推荐,采用了循环神经网络(RNN)对用户的访问序列进行建模。文献[46]考虑了电商场景中预测用户的下一个购物篮,将用户最近一次购物记录作为当前的上下文进行建模。在实际应用中,用户的长期兴趣会随着时间缓慢变化,而短期的兴趣会随着某些事件的发生剧烈变化。如何平衡用户长期和短期的兴趣是个很有意义的研究方向。 (3)模型的复杂度和可解释性。深度学习模型通常较为复杂,虽然有较多的模型参数,但并不意味着所有的参数都有意义。为了使深度模型更加实用,并能够快速处理现实中海量的用户数据,降低模型复杂度并增加模型的可解释性非常重要。我们最近的工作[27,41]在这方面做出了一些尝试,通过设计更有效的神经网络操作降低了对模型深度的依赖,并使用注意力机制提高了模型的可解释性。未来方向还包括采用模型压缩技术和哈希学习[47]进一步提高模型的效率。

优秀的个人博客,低调大师

智能盒子大比拼:Fire TV vs. Apple TV vs. Roku 3 vs. Chromecast

亚马逊新发布的 Fire TV 旨在占领家庭娱乐市场,但这条路上的竞争者可不少。 Fire TV是一台机顶盒,也是一台游戏机。除了会与Apple TV、Roku、Google Chromecast等机顶合竞争外,还会抢占Xbox One、PS 4,甚至Android Ouya等游戏机的市场。 在比较Fire TV与其他机顶盒(对游戏机暂不讨论)之前,有必要分析一下它的卖点。首先,Fire TV有语音搜索功能,配有强力的四核处理器,而Apple TV、Roku和Chromecast都是单核和双核处理器。 Fire TV的内存为2GB,其他的都只有512MB。价格上,除了Google Chromecast只要35美元,其他都是99美元。 在内容方面,Fire TV支持Hulu Plus、Netflix、Pandora和YouTube的内容

优秀的个人博客,低调大师

阿里云智能软件机器人码栈,提高数千万人工作效率

码栈,以提升企业提效为目标,帮助用户连接不同的系统和服务,实现工作流程自动化。运用码栈能够显著将客服、运营、财务、法务、设计师以及更多领域的客户重复工作流高速化,提升岗位效率,进而提升企业效率。 码栈为电商、金融、游戏、政府、教育、财税、及传统大型企业等人力密集型企业提供一个高效引擎。在三个典型应用场景:数据采集、批量处理和系统协同中,码栈的效率是传统人工效率的数倍。以电商运营为例,每天重复工作包括:下载报表、整理汇总、售前催单、顾客答疑、订单监控、物流跟踪、售后退款、新品上架、内容核对、促销活动报名等多达数十个环节,优质电商会吸入巨大流量,而这样的流量往往意味着人员的大批量增加,码栈通过将工作流标准,规模化,实现了效率最大化,码栈可以自动实现数据对接,把ERP与售后系统对接起来。码栈配有应用市场,用户可以添加ISV提供SaaS企业

优秀的个人博客,低调大师

两场比赛,AlphaGo表现出了哪些计算和智能 | 硬创公开课

雷锋网(公众号:雷锋网)按:本文来自 硬创公开课 | AlphaGo专场的分享。分享嘉宾,出门问问NLP工程师,李理。 一、到底什么是深度学习? 我认为深度学习相对于传统的机器学习,最大的特点就是不需要(太多)的feature engineering。 在机器学习流行之前,都是基于规则的系统,因此做语音的需要了解语音学,做自然语言处理(NLP)的需要很多语言学知识,做深蓝需要很多国际象棋大师。而到后来统计方法成为主流之后,领域知识就不再那么重要,但是我们还是需要一些领域知识或者经验来提取合适的feature,feature的好坏往往决定了机器学习算法的成败。 对于NLP来说,feature还相对比较好提取,因为语言本身就是高度的抽象;而对于Speech或者Image来说,我们人类自己也很难描述我们是怎么提取feature的。比如我们识别一

资源下载

更多资源
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源,继承了IntelliJ IDEA强大的JS部分的功能。

用户登录
用户注册