天枢数智运营

大数据流式计算可以广泛应用于金融银行、互联网、物联网等诸多领域，如股市实时分析、插入式广告投放、交通流量实时预警等场景，主要是为了满足该场景下的实时应用需求。数据往往以数据...

我们知道，大数据的计算模式主要分为批量计算(batch computing)、流式计算(stream computing)、交互计算(interactive computi...

在日常生活中，我们通常会先把数据存储在一张表中，然后再进行加工、分析，这里就涉及到一个时效性的问题。如果我们处理以年、月为单位的级别的数据，那么多数据的实时性要求并不高；但...

推荐系统能够为用户提供个性化体验，现在基本上各大电商平台、资讯平台都会用推荐系统为自家评价下的用户提供千人千面的服务。平均精度均值（Mean Average Precisi...

新颖性通常指在推荐中出现新的物品，这在不同文献中有不同的定义。在此，我们将新颖性的定义和指标分为三个层次，如下表所示。本文中把新颖性指标称为𝑛𝑜𝑣（𝑅𝑢）。 创建...

在推荐系统中，研究人员为了能让预测结果对用户提供更多价值，会关注用户满意度。鉴于推荐系统除了让用户购买更多的相似产品外，还必须对用户而言“有用”，研究人员还会关注用户在使用...

当新用户或新项目进入内容平台时，就会出现冷启动（Cold Start）问题。 以协同过滤这样的经典推荐系统为例，假设每个用户或项目都有评级，这样我们就可以推断出类似用户/项...

据统计，全球数据总量预计2020年达到44ZB，中国数据量将达到8060EB，占全球数据总量的18%。现阶段我们所讨论的人工智能，很大程度上都是在谈“人工智能”这个大概念下...

如今，许多公司都会开发与自己业务息息相关的推荐系统。先荐作为第四范式研发的一款智能推荐产品，已为内容行业的众多媒体客户赋能，实现客户的营收增长。在本文中，我们将会简要介绍现...

在之前的两篇文章中，我们分别讲了推荐系统中的基于内容的过滤和协同过滤技术，今天我们一起看看看混合过滤。 推荐系统为了避免单一推荐技术带来的限制和问题，同时也为了能够获得更好...

在上一篇文章中，我们谈到了推荐系统中基于内容的过滤及其利弊，今天我们来看看协同过滤。 与基于内容的过滤（CBF）不同，协同过滤（Collaborative Filterin...

在上一篇文章中，我们介绍了推荐系统的主要工作流程。在接下来的文章中，我们会详细分析推荐系统中的过滤技术。 推荐系统要想为用户提供切实有用的推荐服务，高效、准确的推荐技术至关...

在互联网飞速发展的现代社会，人们每天都要受到成百上千条信息的轰炸，APP推送、新闻热点、信息流广告……一个有效的“信息过滤器”已经成为了人们日常生活的刚需，也是信息供应商在...

假设你要去外边吃火锅，你可以把家门外的所有火锅店都转悠一圈，根据价格和口味选择一家合适的店，吃完后付款离开。如果你住的地方有一家美食城，你可以根据门口的指示牌找到对应的楼层...

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...

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...

AI技术正深刻改变着内容行业。从内容生产到内容分发，再到内容营销，内容行业的每一个环节都有AI技术的渗透：个性化推荐、智能剪辑、机器写作、违规内容处理、聊天机器人……毫不夸...

在上一篇文章《想要了解推荐系统？看这里！（1）——协同过滤与奇异值分解》中，我们谈到了协同过滤（CF）与奇异值分解（SVD）如何用于构建推荐系统。随着神经网络的兴起，如何利...