Свързани публикации 'recommender-systems'


Печелившо решение на RecSys2020 Challenge: GPU ускорено инженерство на функции и обучение за...
Ускорено инженерство на функции и обучение за системи за препоръчване От Бенедикт Шиферер и Евен Олдридж Нашето решение за 1-во място на RecSys Challenge 2020 се фокусира върху прогнозиране на взаимодействие с туитове въз основа на тазгодишния набор от данни, предоставен от домакина на състезанието, Twitter. Интердисциплинарният екип на NVIDIA включваше колеги от KGMON на NVIDIA (Kaggle Grandmasters), RAPIDS на NVIDIA (Data Science) и Merlin на NVIDIA (Recommender Systems),..
Иновации в науката за данните в прилагането на препоръчителни системи
1. Въведение — Необходимостта от препоръчителни системи Информацията е била решаваща и неделима част от човешката история в подкрепа на вземането на решения, което е по-важно от всякога поради непрекъснато нарастващия обем данни, които генерираме през последните десетилетия. В основата на вземането на решения, базирани на данни, често се виждат препоръчителни системи, които изпълняват задачата за филтриране и извличане на информация, за да поддържат днешните богати на данни доставчици на..
Система за препоръки, използваща съвместно филтриране в Python
„Клиентите, които са купили това, също са купили...“ Често срещаме персонализирани препоръки, докато пазаруваме в Amazon, слушаме музика в Spotify и гледаме предавания в Netflix, за да цитирам няколко. Те са толкова широко разпространени, че много от нас взаимодействат с тях, без дори да го осъзнават. Всички тези уебсайтове се опитват да преценят нашите вкусове, за да могат да стимулират непрекъсната ангажираност. Тези компании използват нашите модели на пазаруване/слушане/гледане,..
Какво представляват вгражданията на Графа на знанието?
В дигиталната ера информацията е жизнената сила на прогреса и начинът, по който организираме и разбираме информацията, е от съществено значение за напредването на нашето разбиране за света. Въведете графи на знанието , мощен инструмент, който улеснява представянето на сложни взаимоотношения между обекти. За да подобрят възможностите на графите на знанието, изследователите са разработили завладяваща концепция, известна като „ Вграждане на графи на знания “. В тази статия ще навлезем в..
Случай за вграждане в проблеми с препоръките
След като сте работили върху различни проблеми с машинното обучение, повечето неща в областта започват да се чувстват много подобни. Взимате необработените си входни данни, картографирате ги в различно латентно пространство с по-малко измерения и след това извършвате своята класификация/регресия/групиране. Системите за препоръчване, нови и стари, не се различават. В проблема с класическото съвместно филтриране факторизирате вашата частично попълнена матрица за използване, за да научите..
Времето е пари: спрете да планирате и започнете да правите
Времето е пари: спрете да планирате и започнете да правите Как създадохме решението за машинно обучение, което всеки иска за няколко месеца. Получаването на решение за данни в реално време на живо с няколко милиона събития всеки ден е трудно. Дори ако не добавяте към сложността на машинното обучение и стабилните канали за данни. Оживяването на всичко това под 4 месеца е огромно постижение за мен. И така, какво е светият граал, пътят, който всеки иска да построи Всичко започна с..
Математика зад базирана на съдържание система за препоръки.
Концепция зад базирана на съдържание система за препоръки: Първо бих искал да дам интуицията по отношение на системата за препоръки, базирана на съдържание, например как работи в реални практики и по-късно ще преминем към математическата част зад нея! Ако приемем, че имаме потребител 1, който е гледал филм 1 (екшън), го е оценил с 5/5, филм 2 (романтичен) го е оценил с 4/5 и филм 3 (екшън) го е оценил съответно с 5/5. Сега, ако Потребител 2 гледа Филм 6 (Екшън) го оценява с 5/5, а..