首页
发现
标签
搜索
注册
登录
首页
发现
榜单
标签
收录
注册
登录
推荐系统实战
文档评分:
4.0 (
0 个有效评分
)
文档语言:
中文
章节数量:
57
阅读人次:
14262
收藏数量:
3
内容来源:
AI千集
整理分享:
码涯
阅读
收藏
下载
分享
阅读
收藏
下载
分享
文档标签
推荐系统
项目实战
文档概述
推荐系统建立在APP海量用户与海量文章之上,使用lambda大数据实时和离线计算整体架构,利用用户在APP上的点击行为、浏览行为、收藏行为等建立用户与文章之间的画像关系,通过机器学习推荐算法进行智能推荐。
书籍目录
书籍评论 (
0
)
目录
推荐架构介绍
1.1 推荐业务架构介绍
1.2 开发环境介绍
离线计算更新文章画像
2.1 离线画像业务介绍
2.2 数据库迁移
2.3 用户行为收集到HIVE
2.4 离线文章画像计算
2.5 离线增量文章画像计算
2.6 Apscheduler定时更新文章画像
2.7 Word2Vec与文章相似度
2.8 文章相似度增量更新
离线用户画像更新与召回排序计算
3.1 用户画像计算更新
3.2 用户画像增量更新
3.3 离线召回与排序介绍
3.4 召回表设计与模型召回
3.5 离线用户基于内容召回集
3.6 离线用户召回定时更新
3.7 离线排序模型训练
3.8 离线ctr特征中心更新
实时计算业务
4.1 实时计算业务介绍
4.2 实时日志分析
4.3 实时召回集业务
4.4 热门与新文章召回
推荐业务流实现与ABTest
4.1 实时推荐业务介绍
4.2 grpc接口对接
4.3 ABTest实验中心
4.4 推荐中心逻辑
4.5 召回集读取与推荐中心对接
4.6 推荐缓存服务
4.7 排序模型在线预测
深度学习与推荐系统
5.1 推荐系统与深度学习关联
5.2 深度学习应用简介
TensorFlow框架介绍
6.1 TF数据流图
6.2 图与TensorBoard
6.3 会话、张量、变量OP
6.4 案例:实现线性回归
6.5 TFAPI使用2.0建议
6.6 tf.estimator使用入门
排序模型进阶
7.1 神经网络基础与原理
7.10 TensorFlow Serving模型部署
7.11 排序模型在线测试
7.2 tf.data与tf.feature_column
7.3 词向量-word2vec
7.4 TFRecords与训练数据存储
7.5 深度学习与排序模型发展
7.6 分桶与特征交叉
7.7 排序模型进阶-FTRL
7.8 排序模型进阶-Wide&Deep
7.9 WDL模型导出
×
分享,让知识传承更久远
×
文档下载
请下载您需要的格式的文档,随时随地,享受汲取知识的乐趣!
PDF
文档
EPUB
文档
MOBI
文档