首页
人工智能
推荐系统
架构设计
智慧医药
系统架构
优质开源
谈天论地
资深人工智能从业者
行动起来,活在当下
累计撰写
198
篇文章
累计创建
84
个标签
累计收到
1
条评论
栏目
目 录
CONTENT
以下是
技术趋势
相关的文章
2023-02-27
在线用户数的期望值计算公式--泊松分布
随着互联网的发展,越来越多的企业和个人开始涉足互联网行业。在互联网行业中,泊松分布作为一种常见的概率分布,被广泛应用于各种计数过程的研究中。本文将从互联网行业的角度出发,详细介绍泊松分布在互联网行业中的应用,并提供一些具体的例子帮助读者更好地理解。
2023-02-27
517
0
0
人工智能
优质开源
系统架构
2023-02-27
实施推荐系统过程中遇到的坑
推荐系统本身很成熟,但是在落地过程当中,仍然会有很多困难。通过经历几个大型推荐系统项目,总结一些经验,帮助大家避坑。先通过召回模块,将候选集召回,然后经过粗排、精排、重排等排序方式,将排序靠前的候选集推送给用户。
2023-02-27
432
0
0
推荐系统
2023-02-24
推荐系统三:协同过滤
可以根据产品元数据计算的,提供制定推荐的选择,推荐与用户过往购买过的产品相关性最相似的产品,今天我们来聊聊如何通过利用用户和产品之间的相似性提供建议的方法。 协同过滤是一种利用用户和产品之间的相似性提供建议的方法。协同过滤分析相似的用户或相似评级的产品,并根据此分析推荐用户。 协同过滤分为3个小标题: 1. 基于Item的协同过滤 2. 基于用户的协同过滤 3. 基于模型的协同过滤
2023-02-24
263
0
0
推荐系统
2023-02-18
利用 GPT-3 构建适合公司业务的聊天机器人
聊天机器人或客服助手是AI工具,希望通过互联网上的文本或语音与用户的交付,实现业务价值。聊天机器人的发展在这几年间迅速进步,从最初的基于简单逻辑的机器人到现在基于自然语言理解(NLU)的人工智能。对于后者,构建此类聊天机器人时最常用的框架或库包括国外的RASA、Dialogflow和Amazon Lex等,以及国内大厂百度、科大讯飞等。这些框架可以集成自然语言处理(NLP)和NLU来处理输入文本、分类意图并触发正确的操作以生成响应。
2023-02-18
626
0
0
人工智能
2023-02-16
模块(Module)、组件(Component)、包(Package)的区别
通过不同粒度、不同层次的分类,把复杂的软件系统实现控制在可以被理解、被维护的程度。否则,对于动辄上100万行代码的软件,人类根本没有办法理解和维护。 应用(Application):应用系统,由多个Module组成,用方框表示。 模块(Module): 一个Module是由一组Component构成,用正方体表示。 组件(Component):表示一个可以独立提供某方面功能的物件,用UML的组件图表示。 包(Package):Package是一种组织形式,和粒度不是一个维度的,也就是说,一个Component可以包含多个Package,一个Package也可以包含多个Component。
2023-02-16
949
0
0
系统架构
微服务
2023-02-07
从玄学走向科学:AB测试驱动的科学增长
随着互联网产业的发展,AB实验借着互联网科技公司的发展的大潮,不断发扬壮大。从远在太平洋彼岸的苹果、爱彼迎、亚马逊、脸书、谷歌、领英、微软、优步等硅谷弄潮儿,到国内的BAT巨头、以及字节跳动等科技公司,都在高频使用AB实验协助决策。早在2000年左右,谷歌工程师首先将AB实验应用在互联网产品的迭代测试中。
2023-02-07
242
0
0
推荐系统
人工智能
2023-02-05
数据同步福音:高效的数据同步开源工具DataX
C端产品中,不同业务的数据都是放在不同的库中,容易造成数据不一致性,导致报表那块数据不太准确,业务库和报表库又是跨库操作,所以并不能使用 SQL 来进行同步。传统的方案是通过 mysqldump 或者存储的方式来进行同步,实施过程中会发现这些方案效果不理想:
2023-02-05
371
0
0
系统架构
微服务
2023-01-29
全球排名前 50 的网站
目前排名靠前的50个网站访问量最大的网站目前,全球访问量最大的网站有**:**排在第一位的谷歌,每日访问量925 亿。谷歌每天有超过 35 亿次搜索,巩固了其作为互联网信息首选来源的地位。排在第二的YouTube,每日访问量346亿。属于谷歌旗下,是世界上第二受欢迎的网站。谷歌和YouTube的流量
2023-01-29
573
0
0
谈天论地
2023-01-20
系统设计技巧,万能通用版
技术设计不是一成不变的,经常会随着业务的变化,或者根据遇到的一些问题,进行完善和优化,但是每一个版本,都应该留下记录和备份。
2023-01-20
247
0
0
推荐系统
系统架构
2023-01-18
推荐系统:基于内容的过滤
上一篇文章我们介绍了[推荐系统:ARL(关联规则学习)](https://mobotstone.com/archives/tui-jian-xi-tong-arl-guan-lian-gui-ze-xue-xi-),可以通过关联规则挖掘算法Apriori来实现关联规则推荐系统,今天我们来聊聊如何通过基于内容的过滤来实现推荐系统。 基于内容的过滤是用作推荐系统的另一张常用方法之一。内容的相似性是根据产品元数据计算的,它提供了制定推荐的选型,推荐与用户过往购买过的产品相关性最相似的产品。 元数据代表产品/服务的特性。例如,一部电影的导演、演员、编剧;作者、封底文章、书籍的译者或产品的类别信息。(别问我为什么用国外的数据)
2023-01-18
500
0
0
推荐系统
1
2
3
4
5
6