社区
教程
Wiki
注册
登录
创作新主题
社区所有版块导航
Python
python开源
Django
Python
DjangoApp
pycharm
DATA
docker
Elasticsearch
分享
问与答
闲聊
招聘
翻译
创业
分享发现
分享创造
求职
区块链
支付之战
aigc
aigc
chatgpt
WEB开发
linux
MongoDB
Redis
DATABASE
NGINX
其他Web框架
web工具
zookeeper
tornado
NoSql
Bootstrap
js
peewee
Git
bottle
IE
MQ
Jquery
机器学习
机器学习算法
Python88.com
反馈
公告
社区推广
产品
短视频
印度
印度
一周十大热门主题
马斯克怒斥苹果接入ChatGPT:真敢集成就在全公司禁用!
突发!国内 Docker 镜像全军覆没。。。
Python环境下Home Assistant无法升级到最新版本?这个方案帮你轻松解决!
子诵科技创始人兼CEO黄承杰: 越步存生,合而为一| TopDigital 2024评委说
AI大肆宣传,其实使用不多,30%英国人没听过任何AI,包括ChatGPT
成功率达53%,研究显示GPT-4可自主利用“零日”漏洞攻破网站丨AIGC日报
AIGC Weekly #75
Mistral AI获6亿欧元融资,估值接近60亿欧元;快手“可灵”大模型将于近日开放“图生视频”功...
香港中文大学(深圳)刘圳老师招收AIGC方向博士/硕士/RA
美国空军发布类ChatGPT产品—NIPRGPT
关注
Py学习
»
机器学习算法
李航最新《搜索与推荐中的深度学习匹配》新书(附PDF下载)
AI有道
• 2 年前 • 166 次点击
匹配在搜索和推荐中都是一个关键问题,它是衡量文档与查询的相关性或用户对某个条目的兴趣。机器学习已经被用来解决这个问题,它根据输入表示和标记数据学习匹配函数,也被称为“学习匹配”。
近年来,人们努力开发用于匹配搜索和推荐任务的深度学习技术。随着大量数据的可用性、强大的计算资源和先进的深度学习技术,用于匹配的深度学习现在已经成为最先进的搜索和推荐技术。深度学习方法成功的关键在于它在从数据(例如查询、文档、用户、条目和上下文,特别是原始形式)中学习表示和匹配模式的泛化方面的强大能力。
便捷获取方式
1. 关注
【
对白的算法屋
】公众号
2. 在
【
对白的算法屋
】公众号
后台回复
DLM
即可。
本书系统全面地介绍了最近发展起来的搜索推荐深度匹配模型。
首先给出了搜索和推荐匹配的统一观点。这样,两个领域的解决方案就可以在一个框架下进行比较。然后,调查将目前的深度学习解决方案分为两类:表示学习方法和匹配函数学习方法。介绍了搜索中的查询-文档匹配和推荐中的用户-项匹配的基本问题和最新的解决方案。该调查旨在帮助搜索和推荐社区的研究人员深入了解和洞察空间,激发更多的想法和讨论,促进新技术的发展。
匹配并不局限于搜索和推荐。
在释义、问题回答、图像注释和许多其他应用程序中都可以发现类似的问题。一般而言,调查中引入的技术可以概括为一个更一般的任务,即匹配来自两个空间的物体。
图1.1:搜索和推荐匹配的统一视图。
输入层
接收两个匹配对象,它们可以是单词嵌入、ID向量或特征向量。
表示层
将输入向量转换为分布式表示。这里可以使用MLP、CNN和RNN等神经网络,这取决于输入的类型和性质。
交互层
比较匹配对象(例如,两个分布式表示)并输出大量(局部或全局)匹配信号。矩阵和张量可以用来存储信号及其位置。
聚合层
将各个匹配信号聚合成一个高级匹配向量。该层通常采用深度神经网络中的pooling和catenation等操作。
输出层
获取高级匹配向量并输出匹配分数。可以利用线性模型、MLP、神经张量网络(NTN)或其他神经网络。
便捷获取方式
1. 关注
【
对白的算法屋
】公众号
2. 在
【
对白的算法屋
】公众号
后台回复
DLM
即可。
『对白的算法屋』
,号主对白,
本科创业赚数百万又保送清华硕士
,现BAT算法工程师。秋招offer收割机的存在,
斩获阿里、美团、字节等8家大厂SSP ofer
(含特殊计划),薪资40W-80+W不等。此外,他还成功内推数百人入职大厂,内推成功率高达80%。以下是公众号部分
原创文章
,大家可感受一下~
对比学习(Contrastive Learning)在CV与NLP领域中的研究进展
谷歌、阿里、腾讯等在大规模图神经网络上必用的GNN加速算法
8家大厂SSP offer的清华学长谈算法岗是否人间地狱(送七本学长手写iPad笔记)
聊聊我在美团做算法的感受
6万字解决算法面试中的深度学习基础问题
本科四年,我通过创业赚到了人生第一个500万
Python社区是高质量的Python/Django开发社区
本文地址:
http://www.python88.com/topic/135651
166 次点击
登录后回复