大数据Lambda架构详解

Lambda架构是由Nathan Marz在2011年提出的一个实时大数据处理框架,用于处理大数据批量离线处理和实时数据处理的需求。

发布博客 2022-03-11 17:00:38
937 次阅读
java中数组和List的相互转换

在Java的线上业务开发中,各种数据结构之间的转换是必备的技能。Java中数组和List之间的相互转换是常见的数据结构之间的转换,更一般的说是对字符串切分,并将其转换成List,List和String数组的相互转换整理如下。

发布博客 2022-02-14 23:09:32
861 次阅读
Wide & Deep算法

Wide & Deep模型综合了Wide侧的记忆能力和Deep侧的泛化能力

发布博客 2021-10-30 22:50:38
1636 次阅读
神经网络语言模型

什么是语言模型?通俗的来讲是判断一句话是否符合人说话的模型,神经网络语言模型是在统计语言模型的基础上,通过神经网络模型对句子的概率分布建模的方法。

发布博客 2021-10-10 22:47:40
1922 次阅读
C/C++中的变长结构体

这种最后一个成员的长度不固定的写法称为柔性数组,也叫伸缩性数组,即变长数组。

发布博客 2021-06-16 00:04:57
1554 次阅读
Youtube的DeepMatch模型

谷歌在2016年发表的文章《Deep Neural Networks for YouTube Recommendations》成为行业内争相跟进的技术方案,其基本的算法思想也成为深度学习在推进系统领域的成功的范例。

发布博客 2021-03-15 23:53:58
2407 次阅读
C++中的explicit关键字

explicit的中文含义是显示的,在C++中主要用于防止隐式转换的发生。

发布博客 2021-01-30 10:33:00
1300 次阅读
序列深度匹配SDM

序列深度匹配(Sequential Deep Match,SDM)模型是在特定场景下提出的用于对用户动态兴趣偏好建模的算法。SDM模型应用于淘宝的场景中,在淘宝的场景中,用户的行为主要分为两种,第一个是当前的浏览Session,用户在一个Session中,需求往往是十分明确的。另一个是之前的历史行为,一个用户虽然可能不是每次都来买球鞋,但是也可能提供一定的有用信息。因此需要分别对这两种行为序列建模,从而刻画用户的兴趣。

发布博客 2020-10-16 17:52:21
1684 次阅读
基于Session的推荐

《Session-based recommendations with recurrent neural networks》首次提出将RNN方法应用于Session-based Recommendation。文章中提到当前主流的基于因子分解的模型或者基于邻域的模型很难对整个Session建模,得益于序列化建模算法的发展,使得基于Session的推荐模型成为可能,针对具体的任务,文章中设计了模型的训练以及ranking loss

发布博客 2020-10-16 13:14:55
1353 次阅读
Transformer对用户行为序列建模算法BST

Behavior Sequence Transformer(BST)算法是由阿里在2019年提出的算法,应用于淘宝推荐中的ranking阶段。在目前的推荐系统中,主流的深度学习方案,如WDL,并没有充分利用用户的行为序列(User's Behavior Sequence),在BST算法中,利用Transformer充分挖掘用户的行为序列,实现对用户行为序列的建模。

发布博客 2020-10-13 00:24:15
3165 次阅读
基于Graph Embedding的GES和EGES

GES和EGES是阿里在2018年提出的两个基于Graph Embedding的算法,其中GES全称为Graph Embedding with Side Information,EGES全称为Enhanced Graph Embedding with Side Information。为了解决冷启动的问题,GES和EGES在计算item embedding的过程中引入了side information。

发布博客 2020-09-30 01:13:48
2431 次阅读
长短期记忆网络LSTM

循环神经网络RNN存在长距离依赖的问题,长短期记忆(Long Short-Term Memory,LSTM)网络便是为了解决RNN中存在的梯度爆炸的问题而提出。在LSTM网络中,主要依靠引入“门”机制来控制信息的传播。

发布博客 2020-09-20 23:56:48
1292 次阅读