算法
5篇文章 · 0订阅
  • 实时特征框架的生产实践｜得物技术
    高效的实时推荐系统必须能够持续更新用户和物品的特征，以实时捕捉和反映它们的最新行为和兴趣变化。在这个过程中，实时特征的准确性和稳定性变得至关重要，它们直接影响到推荐系统在生产环境中的效果表现。
    Flink 架构
    实时特征框架的生产实践｜得物技术
  • 得物技术多兴趣召回模型实践
    MIND多兴趣召回在实践过程中，经过离线和实时两个阶段去执行最终落地，中间的步骤因此记录下来，希望他人在阅读到此文能够有所收获。
    算法
  • 得物社区推荐精排模型演进
    1.背景 得物社区是一大批年轻人获取潮流信息、分享日常生活的潮流生活社区。其中用户浏览的信息，进行个性化的分发，是由推荐系统来决策完成的。目前得物社区多个场景接入了推荐算法，包括首页推荐双列流、沉浸式
    算法 排序算法
    得物社区推荐精排模型演进
  • 海纳“千川”：得物多场景统一推荐平台｜精选
    得物的推荐场景，除了首页瀑布流等几个比较大的场景之外，还有很多长尾的小场景，包括：频道、会场、购中购后场景、品牌墙等。这类场景存在单个场景体量小（UV和GMV均偏小）、场景零散、类型多元的情况。
    算法 人工智能
    海纳“千川”：得物多场景统一推荐平台｜精选
  • 面试时写不出排序算法？看这篇就够了。
    冒泡排序是一种交换排序。 它重复地走访过要排序的数列，一次比较两个元素，如果他们的顺序错误就把他们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。 这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端，故名。 假设有一个大小为 …
    算法