中国人工智能学会通讯——深度学习与推荐系统 2 深度学习在推荐系统的应用
2 深度学习在推荐系统的应用 深度学习指代多层级的人工神经网络，近年来在语音识别、计算机视觉和自然语言处理等领域取得了巨大成功[32]。根据深度学习技术在推荐系统中的应用方式，将相关工作大体分为两类：①作为一种基于数据的表征学习的方法，深度学习技术可以从语义较为丰富的输入数据（如语音、图片、文本等）中抽取出有效的特征表示，以方便下游应用，如检索和推荐等[11,14,17,33-40 ]；②作为一....
中国人工智能学会通讯——深度学习与推荐系统 1.2 基于特征的推荐 (Feature-based Recommendation)
1.2 基于特征的推荐 (Feature-based Recommendation) 协同过滤只考虑用户与物品的交互历史，本质上是用ID表示一个用户或物品。基于特征的推荐方法旨在融合各种其他辅助信息，以提高推荐的准确度。该类算法将用户(ID及其属性)、物品(ID及其属性)和上下文信息统一表示为特性向量作为输入，用于预测目标评分值。图3为一个输入数据表示的实例。 在将数据表示为特征向量到目标值的.....
中国人工智能学会通讯——深度学习与推荐系统 1.1 协同过滤 (Collaborative Filtering)
1.1 协同过滤 (Collaborative Filtering) 简单来说，协同过滤是指在预测一个用户对物品的喜好程度时，不仅仅依赖于该用户的历史记录，同时也要考虑其他用户的历史记录。其基本假设是兴趣相投、拥有共同经验的群体未来会喜欢相似的物品。协同过滤建模主要使用用户对物品的历史交互数据，也称为反馈数据。根据交互行为是否反映用户对物品的喜好程度可以把反馈数据分为两类：①显式反馈（expli....
中国人工智能学会通讯——深度学习与推荐系统 1 推荐技术简介
在当今信息爆炸时代，个性化推荐系统是面向用户的互联网产品的核心技术，可以帮助用户获取所需要的信息，改善信息超载的问题。推荐系统的技术核心是对用户历史、物品属性和上下文等信息进行建模，以推断出用户兴趣，并向用户推荐感兴趣的物品。在信息大数据时代，要有效地利用海量用户历史信息和物品信息，机器学习技术必不可少。近年来深度学习技术迅猛发展，在多个领域取得了突破性的成果，包括语音处理、计算机视觉、自然语言....
中国人工智能学会通讯——深度学习的迁移模型 四、迁移学习应用案例
四、迁移学习应用案例 下面说一下我和我的学生一起做的迁移学习的工作，尤其是跟深度学习结合。 一个叫戴文渊的学生，在第四范式这个公司做的工作就很有意义，他们为银行做一个大额产品的营销，比如说车贷，比较贵的车贷的样本非常少，少于100个，这么少的数据是没办法建模型的，怎么办？去借助小微贷款的数据，比如说上亿客户的交流，然后发现两个领域，一个是小微贷款，一个是大额贷款，它们之间的共性，把这个模型迁移过....
中国人工智能学会通讯——基于视频的行为识别技术 1.5 基于深度学习的视频识别方法
1.5 基于深度学习的视频识别方法 下面介绍面向视频分类的深度学习方 法。深度卷积神经网络在图像分类取得 成功后，研究人员就希望把它推广到视 频分类中。但这不是一件很容易的事， 一个原因是缺乏足够的训练数据。为此， 谷歌和斯坦福的研究人员开发了 Sports-1 M 数据库，包含 100 万段视频，有 487 类各种各样的运动，这是一个相当大的 数据库。同时他们改进了传统卷积神经 网络，用于处理....
中国人工智能学会通讯——深度学习的迁移模型 一、迁移学习的三大优点
一、迁移学习的三大优点 为什么我们做迁移学习？我总结了三条原因。 ●小数据。我们生活当中大量遇见的是小数据而不是大数据，当数据很稀疏，看到不同的类别我们还是能在当中做出很靠谱的模型。这并不是空穴来风，而是之前我们有过很多大数据的经验可以去借鉴，站在大数据的巨人肩膀上，所以人工智能大量的应用，迁移学习这种模式是必不可少的。 ●可靠性。 即使我们有一个大数据模型，我们也很关心它的可靠性。把一个模型迁....
中国人工智能学会通讯——深度学习的迁移模型
今天很高兴跟大家分享我和研究生同学在研究当中的一些心得，总结起来叫做“深度学习的迁移模型”。 首先讲一下我们的出发点，我们知道AlphaGo很厉害，但是它还有哪些点不够？它不会举一反三。你让它下一盘棋，它不会利用前面的知识来帮助自己很快地学习新的棋艺，更不会利用下棋的知识做一些其他事，比如说自动驾驶。我们人是有这个能力的，如何能够赋予计算机做这件事，这就是我们研究的一条主线。 由此引入我们的研究....
中国人工智能学会通讯——深度学习与视觉计算 1.3 计算机视觉领域利用深度学习可能带来的未来研究方向
1.3 计算机视觉领域利用深度学习可能带来的未来研究方向 第一个，深度图像分析。目前基于深度 学习的图像算法在实验数据库上效果还是 不错的，但是远远不能够满足实际大规模 应用需求，需要进一步的提升算法性能从 而能够转化相应的实际应用。比如这个基 于图片的应用，可以估计性别和年龄，但 是其实经常会犯错，因此需要进一步提升 深度图像分析的性能。 第二个，深度视频分析。视频分析牵扯 到大量的数据...
中国人工智能学会通讯——迎接深度学习的“大”挑战(下) 1.3 关于 AI 的一些看法
1.3 关于 AI 的一些看法 在报告的最后，和大家聊点开脑洞的话 题。这几张 PPT 是中文的，其实是我之前 在一次报告中和大家分享的关于 AI 的观点 时使用的。其中前三个观点已经在今天的 讲座中提到了。我们再来看看后面几条。 首先是关于深度学习的调参问题。现在 深度学习技术非常依赖于调参黑科技。即 便是公开的算法，甚至开源的代码，也很 难实现完美复现，因为其背后的调参方法 通常不会公开...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
AI更多深度学习相关
- AI深度学习实践
- AI人工智能机器学习深度学习
- 构建AI深度学习
- AI深度学习优化实践
- 构建AI深度学习优化
- AI深度学习优化
- 深度学习AI驱动
- AI深度学习区别
- AI优化深度学习
- AI hinton深度学习
- 深度学习AI革命part
- AI人工智能深度学习关键词对照
- AI机器学习深度学习区别
- 学习记录AI深度学习
- 机器学习数据科学AI深度学习统计学区别
- AI从业者深度学习
- AI学习笔记神经网络深度学习
- yoshua bengio深度学习AI
- 深度学习项目AI
- AI英伟达深度学习
- 统一深度学习分布式通信框架弹性AI
- 深度学习教程AI应用实践策略
- 深度学习课程AI
- AI初学者入门指南深度学习五级分类
- 名校AI课程深度学习deeplearning
- 深度学习论文AI
- AI深度学习开源框架
- AI深度学习计算机视觉
产品推荐
阿里云机器学习平台PAI
阿里云机器学习PAI（Platform of Artificial Intelligence）面向企业及开发者，提供轻量化、高性价比的云原生机器学习平台，涵盖PAI-iTAG智能标注平台、PAI-Designer（原Studio）可视化建模平台、PAI-DSW云原生交互式建模平台、PAI-DLC云原生AI基础平台、PAI-EAS云原生弹性推理服务平台，支持千亿特征、万亿样本规模加速训练，百余落地场景，全面提升工程效率。
+关注