开发者社区人工智能文章正文

常用推荐算法（50页干货）

2016-09-28 23203

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 纯干货

内容主要围绕电商中用到的一些推荐算法，参考了Xavier Amatriain在CMU的Machine Learning暑期学校上的讲授的内容。（作者：常征）

087174a6aa4267640a8713a50104fe164a8038dd

aa1d01bea44fb1018f95eec18a5065caf25a0655

8dd69bd4db8ba04b2c269db3e174e149d0ef82e5

ac900ce28a0279acb4d43536308d13cd9278a54a

17eba767ccc5d801a9f1df454d0b0bb4c64760e9

5b3713213e1d771a518c2207a43bca09921e9767

c23bddb7f44ae24556871f102af9ba46d8838ab5

dc73bf134e47786b336bd1cdb9ba58f50653ea3e

dc66ed57d8e344bbdb1fb558d32725e4a45d0c5f

70d978cdd2d4c904f66604d5bbfa637c787b77af

ec8f92e7ac3af008143696c2416ab7a481f51eea

5b2420eb315c48b33d87d00818f11119660ea53d

13b6f459d30171b0e60fa4e4d8d8deb78dfb80db

fcfabd82f5a104a0f67c8ad6ec8bdd467222ad8b

959f546aa1104c45d8a8e0ebf4ab6b9d9407b112

关注阿里巴巴官方技术号，点击“精彩内容”查看全文：

abdc71bf4847764b3a92da56325039782a4e77ca

文章标签：

机器学习/深度学习

算法

kevinliali

楠竹11

20天前

机器学习/深度学习数据采集人工智能

揭秘！47页文档拆解苹果智能，从架构、数据到训练和优化

【8月更文挑战第23天】苹果公司发布了一份47页的研究文档，深入解析了其在智能基础语言模型领域的探索与突破。文档揭示了苹果在此领域的雄厚实力，并分享了其独特的混合架构设计，该设计融合了Transformer与RNN的优势，显著提高了模型处理序列数据的效能与表现力。然而，这种架构也带来了诸如权重平衡与资源消耗等挑战。苹果利用海量、多样的高质量数据集训练模型，但确保数据质量及处理噪声仍需克服。此外，苹果采取了自监督与无监督学习相结合的高效训练策略，以增强模型的泛化与稳健性，但仍需解决预训练任务选择及超参数调优等问题。

楠竹11

125 66 66

1941623231718325

2月前

搜索推荐算法大数据

基于内容的推荐系统算法详解

【7月更文挑战第14天】基于内容的推荐系统算法作为推荐系统发展的初期阶段的重要技术之一，具有其独特的优势和广泛的应用场景。然而，随着大数据和人工智能技术的发展，传统的基于内容的推荐系统已经难以满足日益复杂和多样化的推荐需求。因此，未来的推荐系统研究将更加注重多种推荐算法的融合与创新，以提供更加精准、个性化的推荐服务。

1941623231718325

58 2 2

爱你三千遍斯塔克

2月前

爱你三千遍斯塔克

29 0 0

阿里开发者

4月前

搜索推荐测试技术流计算

承上启下：基于全域漏斗分析的主搜深度统一粗排

文章首先介绍了淘宝搜索的多阶段检索系统，包括召回、粗排和精排阶段。粗排模型的目标是优化商品的排序，以提高在召回集合中选择优质商品的能力。文章提到，粗排模型与精排模型的目标有所不同，粗排更注重腰部商品的排序，而精排更注重头部商品的排序。此外，文章还探讨了模型的损失函数形式，发现原始的softmax损失函数在处理多正样本时存在问题，提出了改进的损失函数，使得模型在粗排阶段的表现更佳。最后，作者们总结了优化工作的进展，以及优化样本对齐，以实现更好的整体效果。

阿里开发者

143 1 1

项目花园范德彪

小程序前端开发 JavaScript

小程序的列表页-商品或新闻展示--【浅入深出系列007】

项目花园范德彪

99 0 0

技术小达人

存储自然语言处理数据挖掘

VOC数据洞察在淘宝详情页的应用与实践

技术小达人

337 0 0