Состроить систему рекомендаций -уровня предприятия с нуля с нуля
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
&Радика;
&Радика;
&Радик;
&Радика;
Глава 1 Фон рекомендуемой системы 1
1.1 Зачем вам рекомендовать систему 1
1.1.1 Повышение эффективности использования трафика 1
1.1.2 Демонстрация и сопоставление требований к длинному хвосту 6
1.1.3 Улучшить пользовательский опыт 7
1.1.4 Техническое накопление 8
1.2 Рекомендуемые проблемы с продуктом 10
1.2.1 Что рекомендовать 10
1.2.2, кто рекомендует это, кто 13
1.2.3 Рекомендуемая сцена 14
1.2.4 Рекомендуемое объяснение 16
1.3 Резюме 18
Глава 2 Обзор основной технологии рекомендуемой системы 19 19
2.1 Основная логика разборка 19
2.2 Обзор общего процесса 20
2.3 Algorithm 21 отзыв 21
2.4 Алгоритм отзыва на основе поведения 24
2.5 Портрет пользователя и портрет товара 24
2.6 Результаты сортировки 26
2.7 Индекс оценки 26
2.8 Мониторинг системы 27
2.9 Architecture Design 28
2.10 Разработка начала 28
2.11 Резюме 30
Глава 3 Алгоритм базовой рекомендации 31
3.1 Рекомендуемая архитектура логического процесса 31
3.2 Основная логика алгоритма отзыва 34
3.3 Общий алгоритм общего отзыва 36
3.3.1 Отношения между пользователями и элементами 36
3.3.2 Корреляция между предметами и предметами 42
3.3.3 Корреляция между пользователями и пользователями 46
3.3.4 Корреляция между пользователями и метками 47
3.3.5 Корреляция между этикеткой и элементом 48
3.3.6 Комбинация цепи корреляции.
3.4 Рекомендация в стартовой сцене холодного старта 51
3.5 Резюме 53
Глава 4 Алгоритм Слияние и данные кровавые 54
4.1 Линейный взвешенный фьюжн 55
4.2 Приоритетная интеграция 57
4.3 Сортировка и слияние машинного обучения 59
4.4 Выбор стратегии слияния 61
4.5 Выбор времени слияния 63
4.6 Данные родословные 64
4.6.1 Стратегия слияния. ПРОВЕРКА ПРОВЕРКА 65
4.6.2 Мониторинг системы системы 65
4.6.3 Анализ стратегического эффекта 67
4.7 Резюме 68
Глава 5 Применение технологии машинного обучения 69
5.1 Обзор технологии машинного обучения 69
5.2 Сценарий приложения в системе рекомендаций 70
5.3 Метод реализации технологии машинного обучения 72
5.3.1 Старая система и подготовка данных 72
5.3.2 Анализ проблем и определение целей 74
5.3.3 обработка выборки 76
5.3.4 Обработка функций 80
5.3.5 Выбор и обучение модели 98
5.3.6 Оценка эффекта модели 101
5.3.7 Эффекты на этапе 104 прогнозирования 104
5.3.8. Дизайн архитектуры модельной учебной системы 105
5.3.9 Прогнозирование модельной системы архитектуры 108
5.4 Общая модель Введение 109
5.4.1 Модель логической регрессии 109
5.4.2 Модель 111 GBDT
5.4.3 LR GDBT Model 112
5.4.4 Модель 113 Машины разложения фактора 113
5.4.5 Wide & Deep Model 115
5.4.6 Другая модель глубокого обучения 116
5.5 Часто задаваемые вопросы о практике машинного обучения 117
5.5.1 Анти -мода 1: я видел модель, без системы 117
5.5.2 Анти -мода 2: игнорируйте модельный процесс и детали 117
5.5.3 Anty -Mode 3: не обращайте внимания на обработанную обработку 118
5.5.4 Анти -мод 4: Слишком зависимый алгоритм 119
5.5.5 обратный режим 5: ясные данные не имеют управления 120
5.5.6 Anti -Mode 6: Команда недостаточно“” 121
5.5.7 Anty -Mode 7: размытие границы системы вызывает появление“” 121
5.5.8 Anty -Mode 8: не обращайте внимания на строительство базовой архитектуры данных 122
5.6 Резюме 123
Глава 6 Портретная система пользователя 124
6.1 Концепция и роль пользовательского портрета 124
6.2 Код значения пользовательского портрета 126
6.3 Композиционный элемент пользовательского портрета 128
6.3.1 Эккровер Портрет 129
6.3.2 Пользовательский портрет 133
6.3.3 Польтрет пользователя расширяется 139
6.3.4 Отношения между пользовательским портретом и сортировкой.
6.4 Архитектура пользовательской портретной системы Evolution 143
6.4.1 Компонент пользовательской портретной системы 143
6.4.2 Период дикального роста 144
6.4.3 Объединенная портретная архитектура Портрета пользователя 145
6.5 Резюме 147
Глава 7 Оценка и мониторинг системы системы 148
7.1 Концепция и значение оценки и мониторинга 148
7.2 Рекомендованная система оценки системы 150
7.3 Общие индикаторы 151
7.4 Метод оценки эффекта в автономном режиме 158
7.5 Метод оценки эффекта онлайн 163
7.5.1 AB Эксперимент 163
7.5.2 Крест -эксперимент 173
7.6 Мониторинг системы 178
7.7 Резюме 181
Глава 8 Рекомендованная оптимизация эффекта 182
8.1 Общие идеи для оптимизации точности 183
8.2 Общие идеи с оптимизацией покрытия 185
8.3 Оптимизация поведенческих алгоритмов поведенческой категории 188
8.3.1 Штрафы 188
8.3.2 Оптимизация времени 190
8.3.3 случайная ходьба 194
8.3.4 Встроенное индикацию 196
8.4 Контент -связанный с оптимизация алгоритма 200
8.4.1 Не -структурный алгоритм 201
8.4.2 Структурный алгоритм 201
8.5 Эффективные факторы, которые влияют на эффект 205
8.5.1 Пользовательские факторы 205
8.5.2 Факторы проектирования продукта 206
8.5.3 Факторы данных 208
8.5.4 Факторы стратегии алгоритма 208
8.5.5 Инженерные архитектурные факторы 209
8.6 Резюме 210
Глава 9 Применение технологии лечения естественного языка 211
9.1 Модель сумки 212
9.2 Расчет веса и пространственная модель вектора 214
9.3 Модель скрытого символа 216
9.4 Вероятность скрыта модель символа 218
9.5 модель вероятности формата 220
9.6 Применение модели LDA 222
9.6.1 Расчет сходства 222
9.6.2 Особенности сортировки 222
9.6.3 Теги и пользовательский галстук 223
9.6.4 Важность темы и слов 223
9.6.5 больше заявок 224
9.7 Модель языка нейронной вероятности 224
9.8 Статус отраслевой приложения 226
9.9 Резюме и перспективы 227
Глава 10 Изучение и использование задача 228
10.1 Multi -Arm Stot Machine Проблема 228
10.2 EE Проблема в системе рекомендаций 230
10.3 Решение 231
10.3.1?
10.3.2 UCB 234
10.3.3 Томпсон выборка 236
10.3.4 Lincb 237
10.4 Применение принципа разведки и использования в системе машинного обучения 239
10.5 Суть и влияние проблемы ЭЭ 240
10.6 Резюме 241
Глава 11 Рекомендуемая система архитектуры системы 242
11.1 Обзор дизайна архитектуры 242
11.2 Граница системы и внешние зависимости 244
11.3 Оффлайн слой, онлайн -слой и архитектура слоя 246 рядом с линией.
11.4 Архитектура проводных слоев 247
11.5 Архитектура закрытия 249
11.6 Архитектура проводки 252
11.7 Сравнение уровня архитектуры 255
11.8 Принципы систем и архитектуры 256
11.8.1 от простого до комплекса 256
11.8.2 от офлайн в онлайн 258
11.8.3 От объединенного до разборки 258
11.9 Дизайн архитектуры на основе конкретных языков в области 259
11.10 Резюме 262
Глава 12 Рекомендую системного инженера Маршрут 263
12.1 Основные возможности разработки 264
12.1.1 ЕДИНЦИОННЫЙ Тест 264
12.1.2 Повторное использование логической абстракции 264
12.2 Вероятность и статистическая основа 265
12.3 Теория машинного обучения 266
12.3.1 Основная теория 267
12.3.2.
12.3.3 Неконтролируемое обучение 269
12.4 Инструменты развития и инструменты разработки 270
12.4.1 Язык развития 270
12.4.2 Инструмент разработки 270
12.5 Процесс оптимизации алгоритма 271
12.6 Рекомендуемые деловые навыки 273
12.7 Резюме 274
Глава 13 Задача рекомендуемой системы 275
13.1 Недостаток данных 275
13.2 Рекомендованные результаты Объяснение 277
13.3 Корреляция и причинность 281
13.4 Информационная комната 283
13.5 Задача отклонения коэффициента конверсии 286
13.6 Ограничения модели отзыва 288
13.7 Захват частиц поведения пользователя Задача частиц. Проблема 290
13.8 Резюме 291
......Эта книга представляет собой практическое руководство по разработке системы рекомендаций по предприятию, включая дизайн продукта, связанные с ним алгоритмы, модели сортировки, инженерную архитектуру, оценку эффекта, мониторинг системы и другие рекомендуемые основные системы системы, которые могут помочь разработчикам постепенно постепенно постепенно постепенно постепенно постепенно постепенно постепенно Полная система рекомендаций и обеспечивает системные идеи непрерывной оптимизации.Эта книга посвящена основным вопросам системы рекомендаций с систематической и общей точки зрения.Кроме того, эта книга также была сосредоточена на общих проблемах и ловушках в разработке системы рекомендаций, а также на процессе строительства системы, а также сосредоточилась на ней, стремясь сообщить читателям не только что делать, но и также также Как это сделать.Целевым читателем этой книги являются инженер по исследованиям и разработкам рекомендаций, менеджер по продукту, а также студентам и практикующим врачам, которые заинтересованы в системе рекомендаций.
......Чжан Сянгю, архитектор Algorithm 58 групп, лицо, отвечающее за поиск и рекомендации, отвечает за поиск, рекомендацию и работу, связанную с алгоритмом.На протяжении многих лет он занимался работой, связанной с рекомендациями и работой машинного обучения.&Практика применения технологий машинного обучения в других областях.