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
推荐系统
相关的文章
2023-07-13
学生作文评分的新趋势:教师与AI的合作模式
教师评分与AI评分在学生作文评估中存在差异。学生需要稳定的练习和快速的反馈来提升写作能力,但教师常常缺乏时间进行规划和评分,导致工作负担过重。AI系统的介入可能有助于减轻教师负担,但需要改进以更全面地看待文章并提供符合学生需求和发展的反馈。教师关注整篇文章的质量和组织结构,而AI系统则更多关注句子级别的评估。改进AI评分系统有助于提供更准确、及时且有用的反馈,促进学生的写作发展,同时也需要教师和AI的合作与适应,以确保教育质量与学生的学习成果。
2023-07-13
149
0
0
2023-06-16
10 种分布式系统必备模式
在当今的技术领域中,分布式系统已成为许多大型应用程序和平台的核心。构建高性能、可伸缩和可靠的分布式系统是一个复杂的挑战,需要合理的架构设计和模式选择。本文将介绍10个必备的分布式系统模式,帮助您更好地理解和应用这些模式以提升系统的性能和稳定性。
2023-06-16
105
0
0
系统架构
微服务
2023-04-16
ChatGPT在智能客服产品落地探讨
AI语言模型中的ChatGPT近期在互联网平台上引起了广泛的讨论。那么,如果想将这个大型语言模型应用在智能客服产品中,或者将其在ToB SaaS应用软件领域落地,应该采用哪种构建策略? 现在ChatGPT这个大型语言模型已经在各种平台获得了广泛的关注。那么,如果在ToB SaaS应用软件领域中想要将LLM大语言模型应用于智能客服产品中,应该如何实现呢? 首先,我们需要解决一个问题:在智能客服领域,是否值得使用LLM大语言模型进行智能化产品改造?
2023-04-16
414
0
1
人工智能
2023-03-15
GPT-4震撼发布:多模态大模型,直接升级ChatGPT、必应,开放API,游戏终结了?
GPT-4 是一个大型多模态模型,能接受图像和文本输入,再输出正确的文本回复。实验表明,GPT-4 在各种专业测试和学术基准上的表现与人类水平相当。例如,它通过了模拟律师考试,且分数在应试者的前 10% 左右;相比之下,GPT-3.5 的得分在倒数 10% 左右。 OpenAI 花了 6 个月的时间使用对抗性测试程序和 ChatGPT 的经验教训对 GPT-4 进行迭代调整 ,从而在真实性、可控性等方面取得了有史以来最好的结果。 在过去的两年里,OpenAI 重建了整个深度学习堆栈,并与 Azure 一起为其工作负载从头开始设计了一台超级计算机。一年前,OpenAI 在训练 GPT-3.5 时第一次尝试运行了该超算系统,之后他们又陆续发现并修复了一些错误,改进了其理论基础。这些改进的结果是 GPT-4 的训练运行获得了前所未有的稳定,以至于 OpenAI 能够提前准确预测 GPT-4 的训练性能,它也是第一个实现这一点的大模型。OpenAI 表示他们将继续专注于可靠的扩展,进一步完善方法,以帮助其实现更强大的提前预测性能和规划未来的能力,这对安全至关重要。
2023-03-15
411
0
0
人工智能
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
269
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
627
0
0
人工智能
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
247
0
0
推荐系统
人工智能
2023-01-11
推荐系统:ARL(关联规则学习)
一家公司的产品内容一般都是非常丰富的,但用户的兴趣往往会针对整个内容集进行筛选,挑选出用户感兴趣的产品,筛选的规则因人而异。为了让用户不迷失在丰富的产品集群中,并根据兴趣领域达到所需的个性化服务,一般都会制作各种过滤器。这些过滤器和算法显示就是我们的“推荐系统”。 简单推荐系统:利用业务知识或简单的排序技术进行一般性推荐。 关联规则学习:根据关联分析学习到的规则提出推荐内容。 基于内容的过滤:根据产品的相似性提出推荐内容。 协同过滤:根据共同的兴趣对用户或产品进行推荐。它分为基于用户,基于产品和基于模型(深度学习)的3种方式。
2023-01-11
276
0
0
推荐系统
人工智能
2022-12-29
推荐算法如何影响我们的生活
推荐引擎使用有关用户及其与产品或内容的交互的数据来推荐用户可能感兴趣的产品。这些引擎用于通过根据用户过去的行为和偏好,提供个性化用户体验。 推荐引擎最常见的例子之一是在电子商务中。在线购物经常使用推荐引擎,根据客户之前的购买记录或他们在网站上查看的商品向客户推荐产品。例如,如果用户过去购买过特定品牌的鞋子,推荐引擎会根据客户过去的行为推荐相同品牌或相似款式的其他鞋子。
2022-12-29
230
0
2
推荐系统
系统架构
1
2