深度学习核心技术精讲100篇（四十七）-做推荐系统之余，我们该思考什么？

前言

推荐系统的概念这几年非常火爆，给很多公司带来了实实在在的收益，但如果想将其作为公司增长飞轮中的一环，其实背后有非常多的点需要我们深思挖掘。本文将首先介绍业务以及从宏观和微观角度看增长，再者结合具体案例介绍宏观与微观的关注要点，最后再进行下总结。

01业务介绍

1. 推荐产品形态

业务模式包括：自营和平台模式自营和平台模式，自营是国内商品跨境卖给印度用户，平台则是印度商家入驻卖给印度用户。

2. 使命

落到推荐算法这一块，“触及”两字是核心，让用户看到和感知到多快好省，提升流量匹配效率&

深度学习核心技术精讲100篇（四十七）-做推荐系统之余，我们该思考什么？相关推荐

深度学习核心技术精讲100篇（十七）-多标准中文分词（ Multi-Criteria-CWS）
前言论文:https://arxiv.org/pdf/1712.02856.pdf : 代码和语料:https://github.com/hankcs/multi-criteria-cws . 本 ...
深度学习核心技术精讲100篇（二十四）-简单谈下深度学习在中文分词中的应用
前言随着深度学习的普及,有越来越多的研究应用新模型到中文分词上,让人直呼"手快有,手慢无".不过这些神经网络方法的真实水平如何?具体数值多少?以Sighan05中的PKU数据集为 ...
深度学习核心技术精讲100篇（二十）-如何通过树模型实现梯度提升树(GBDT)+LR,随机森林(RandomForest) +LR
前言在讲如何通过树模型做特征工程之前,首先让我们回顾一下一个机器学习(除去深度学习项目部分)项目的大致流程: 从业务场景中抽象出问题--分类问题,回归问题,还是聚类问题等, 接下来是数据获取,数据清 ...
深度学习核心技术精讲100篇（六）-keras 实战系列之知识蒸馏（Knowledge Distilling）
前言深度学习在这两年的发展可谓是突飞猛进,为了提升模型性能,模型的参数量变得越来越多,模型自身也变得越来越大.在图像领域中基于Resnet的卷积神经网络模型,不断延伸着网络深度.而在自然语言处理领域 ...
深度学习核心技术精讲100篇（五十八）- 如何量化医学图像分割中的置信度？
前言在过去的十年里,深度学习在一系列的应用中取得了巨大的成功.然而,为了验证和可解释性,我们不仅需要模型做出的预测,还需要知道它在做出预测时的置信度.这对于让医学影像学的临床医生接受它是非常重要的. ...
深度学习核心技术精讲100篇（三十五）-美团餐饮娱乐知识图谱——美团大脑揭秘
前言 " I'm sorry. I can't do that, Dave." 这是经典科幻电影<2001: A Space Odyssey>里HAL 9000机器人说 ...
深度学习核心技术精讲100篇（八）-keras 实战系列之深度学习中的多任务学习(Multi-task learning)
多任务学习(Multi-task learning)简介多任务学习(Multi-task learning)是迁移学习(Transfer Learning)的一种,而迁移学习指的是将从源领域的知识( ...
深度学习核心技术精讲100篇（七）-keras 实战系列之深度学习模型处理多标签（multi_label）
前言最近在读论文的的过程中接触到多标签分类(multi-label classification)的任务,必须要强调的是多标签(multi-label)分类任务和多分类(multi-class) ...
深度学习核心技术精讲100篇（五）-通过CTR预估对比深度学习模型（deepfm）梯度提升模型（catboost）
前言 CTR预估模型的特点: 毫无疑问这个任务的是个二分类任务,预测点击与否. CTR 预估的特征一般是用户的日志特征和画像特征,包含类别特征和数值型特征两种. 此任务的评估指标是 AUC 得分或 ...
深度学习核心技术精讲100篇（十九）--GBDT(梯度提升树) 和 Resnet (残差网络)的原理
残差残差在数理统计中是指实际观察值与估计值(拟合值)之间的差.在集成学习中可以通过基模型拟合残差,使得集成的模型变得更精确:在深度学习中也有人利用layer去拟合残差将深度神经网络的性能提高变强.这 ...

深度学习核心技术精讲100篇（四十七）-做推荐系统之余，我们该思考什么？

前言

01业务介绍

1. 推荐产品形态

2. 使命

深度学习核心技术精讲100篇（四十七）-做推荐系统之余，我们该思考什么？相关推荐

最新文章

热门文章