天枢数智运营

第四范式（北京）技术有限公司

助力业务增长的效率引擎

0关注

4,242关注者

赞

9

更多

赞

文章( 9 ) 沸点( 0 ) 资讯( 0 )

2年前

没有用户数据时如何搭建推荐系统？用这三种办法！

即使没有用户数据，我们仍能搭建高效的推荐系统，向用户展示更多优质内容，让用户参与其中。第一步便是搭建基于内容的推荐系统，这种推荐系统会给用户推荐其他类似的商品，但并不依赖其他用户的数据。这些特征（即数学表达式，推荐算法需借助内容条目不同方面的表达式才能得以运算）来自于内容条目…

1338
8
1

没有用户数据时如何搭建推荐系统？用这三种办法！

2年前

快手商业副总裁严强：AI+DA驱动短视频社交商业高速增长

日前，第四范式先荐在北京举办2019“人工智能+新内容”论坛，快手商业副总裁严强在现场发表了名为《AI+DA驱动短视频商业高效增长》的主题演讲，详述了AI在快手商业化过程中中的应用。严强，前阿里巴巴高级算法专家，主要负责手机淘宝的个性化算法；2015年双11个性化算法负责人，…

552
1
评论

快手商业副总裁严强：AI+DA驱动短视频社交商业高速增长

2年前

如何实现AI赋能新媒体的技术落地？

为此，先荐在今年的2050大会新生论坛上召集了一批媒体行业资深人士和人工智能领域技术专家，共同探索AI赋能新媒体的技术落地新趋势。媒体作为人工智能技术在媒体行业重要的应用领域，其生产方式的智能化已经在很多场景落地，阅文集团智能业务中心负责人陈炜于表示，阅文集团的“内容大脑”平…

651
2
评论

2年前

推荐系统相关术语知多少

1. 推荐系统推荐系统相当于信息“过滤器”，很好地解决了信息过载的问题，从而帮助人们更好地作出决策。它的主要原理是根据用户过去的行为（比如购买、评分、点击等）来建立用户兴趣模型，之后利用一定的推荐算法，把用户最可能感兴趣的内容推荐给用户，如下图： 2. 数据 2.3 用户-内…

799
21
3

2年前

干货｜个性化推荐系统五大研究热点之强化学习（三）

通过融合深度学习与知识图谱技术，推荐系统的性能取得了大幅的提升。然而，多数的推荐系统仍是以一步到位的方式建立的：它们有着类似的搭建方式，即在充分获取用户历史数据的前提下，设计并训练特定的监督模型，从而得到用户对于不同物品的喜好程度。这些训练好的模型在部署上线后可以为特定用户识别…

1629
1
评论

2年前

干货|个性化推荐系统五大研究热点之知识图谱（二）

在多数推荐场景中，物品可能包含丰富的知识信息，而刻画这些知识的网络结构即被称为知识图谱。物品端的知识图谱极大地扩展了物品的信息，强化了物品之间的联系，为推荐提供了丰富的参考价值，更能为推荐结果带来额外的多样性和可解释性(图1)。和社交网络相比，知识图谱是一种异构网络，因此针对…

699
1
评论

2年前

干货 | 个性化推荐系统五大研究热点之深度学习（一）

【编者按】在这个科技高速发展、信息爆炸的时代，毫不夸张地说，推荐系统已经完全融入了我们的生活。我们去哪一家餐馆、买哪一件衣服、浏览哪一类信息、观看哪一种视频，很大程度上都取决于背后的推荐系统。在本文中，微软亚洲研究院社会计算组的研究员们从深度学习、知识图谱、强化学习、用户画像…

2097
10
评论

3年前

如何为「纽约时报」开发基于内容的推荐系统

我们在帮助纽约时报（The New York Times，以下简称NYT）开发一套基于内容的推荐系统，大家可以把这套系统看作一个非常简单的推荐系统开发示例。依托用户近期的文章浏览数据，我们会为其推荐适合阅读的新文章，而想做到这一点，只需以这篇文章的文本数据为基础，推荐给用户类似…

434
6
评论

个人成就

文章被点赞102

文章被阅读45,487

加入于

2018-10-19