HelloWorld 开发者社区
科技资讯
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
利用关联规则实现推荐算法
关联规则是以规则的方式呈现项目之间的相关性:关联规则(AssociationRules)是反映一个事物与其他事物之间的相互依存性和关联性,是数据挖掘的一个重要技术,用于从大量数据中挖掘出有价值的数据项之间的相关关系。关联规则的经典例子是通过发现顾客放入其购物篮中的不同商品之间的联系,可分析顾客
从用户到开发者,日本独角兽 SmartNews 的社区二三事
小红书,美团,微博,今日头条……内容如海。作为互联网时代的生活基础设施,信息流产品是多数应用软件的一项必备属性。然而,你是否曾为重复的微博段子、类似的热点文章、雷同的商品推荐而心烦?若某一款内容资讯产品持续一天推荐重复内容,既会影响用户的信息获取,又无形中浪费了很多推荐位(如果这些位置放的是广告
大厂技术实现 | 腾讯信息流推荐排序中的并联双塔CTR结构@推荐与计算广告系列
!ShowMeAI大厂技术实现方案(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/9cfe5183e3212fa5a15fbc7203fdbe95.png)<blockquote💡作者:<ahref"https:/
上班没找到车位,硬核程序员做了套“园区车位实时推荐系统”,还获了奖
在一年一度的1024程序员节上,网易技术马拉松再次拉开帷幕。限时48小时,16支队伍,共84名技术热爱者展开了角逐。与大多数项目和业务息息相关不同,有一只队伍的项目和实际生活更贴近。来自有道的“车位不用等”队,参赛课题为《园区车位实时推荐系统》,应用视觉识别、语音合成等技术,打造了一套停
推荐系统入门笔记九: 基于内容的推荐算法
一.简介基于内容的推荐方法是以物品的内容描述信息为依据来做出的推荐,本质上是基于对物品和用户自身的特征或属性的直接分析和计算。例如,假设已知电影A是一部喜剧,而恰巧我们得知某个用户喜欢看喜剧电影,那么我们基于这样的已知信息,就可以将电影A推荐给该用户。二.基于
推荐系统入门笔记八: 基于矩阵分解的协同过滤推荐
一.基于矩阵分解的CF算法简介1.TraditionalSVD通常SVD矩阵分解指的是SVD(奇异值)分解技术,在这我们姑且将其命名为TraditionalSVD(传统并经典着)其公式如下:$$M_{m\timesn}U{m\timesk}\sum{}{}
推荐系统入门笔记二 : 推荐算法
一.协同过滤推荐算法(基于邻域的算法)1.算法分类基于用户的协同算法:跟你喜好相似的人喜欢的东西你也很有可能喜欢基于物品的协同算法:跟你喜欢的东西相似的东西你也很有可能喜欢1.1实现协同过滤推荐有以下几个步骤:找
推荐系统入门笔记一 : 推荐系统简介和架构
一.推荐系统简介们逐渐从信息匮乏的时代走入了信息过载,推荐系统就是解决信息消费者,如何从大量信息中找到自己感兴趣的信息是一件非常困难的事情,作为信息生产者,如何让自己生产的信息脱颖而出这一矛盾的重要工具,推荐系统的任务就是联系用户和信息,一方面帮助用户发现对自己有价值的信息
TensorFlow Ranking框架在海外推荐业务中的实践与应用
前言在当今互联网世界,推荐系统在内容分发领域扮演着至关重要的角色。如何尽可能的提升推荐系统的推荐效果,是每个推荐算法同学工作的核心目标。在爱奇艺海外推荐业务,引入TensorFlowRanking(TFR)框架,并在此基础上进行了研究和改进,显著提升了推荐效果。本文将分享TFR框架在海外推荐业务中的实践和应用。01算法的
Serverless理念的弄潮儿—— 阿里云数加平台助力大数据普惠
阿里云坚持将计算能力变成像水电煤一样的公共服务,提供给大众,而非单单而不是卖服务器给客户,这跟今日流行的Serverless 架构理念是一致的。Serverless 理念在数加平台得到了很好的体现,数加平台今天已经可以提供很多业务场景化的计算服务,比如推荐引擎,规则引擎,以及各种人工智能的服务,助力企业在DT时代更敏捷、更智能、更具洞察力。在本文中,班输从数
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。