• AI技术内参-081广告回馈预估综述
  081 广告回馈预估综述 在上一篇的分享里，我们详细地讨论了广告系统的架构，熟悉了各个组件都是怎么运作的，特别是我们重点剖析了对于每一个广告请求，供应侧平台（SSP）、广告交易平台（ADX）、需求侧平台（DSP）以及数据处理平台（DMP）都扮演了什么样的角色。同时，我们介绍了对于用户信息的追踪和整合，业界的基本技术就是存储用户的Cookie，以及慢慢催生的Cookie的整合技术。 今天，我...
  2015-01-01 15:20:27 | AI技术内参
• AI技术内参-080广告系统架构
  080 广告系统架构 从本周开始，我们就进入了计算广告这个重要的应用领域。周一我们首先介绍了广告系统的概述，了解了这个领域要解决的主要问题以及发展的简要历史。我们知道了广告系统中有发布商、广告商、受众群这些实体，还有应运而生的各类中间平台。 今天，我们就更加细致地来看一下广告系统的架构，熟悉各个组件都是怎么运作的。 实时广告竞标的重要生态圈 在前一篇分享里，我们提到了“实时竞标”广告系...
  2015-01-01 15:20:27 | AI技术内参
• AI技术内参-079广告系统概述
  079 广告系统概述 在之前的分享里，我们已经介绍了搜索、推荐系统以及文本分析这三个重要的机器学习、人工智能领域。从基本的思想、算法以及架构说起，我们针对这几个领域要解决的问题和在解决这些问题的过程中出现的经典思路都做了比较详细的讲解。 可以说，搜索是最早利用机器学习以及人工智能思想和技术的应用领域。不管是从最初的图书馆信息检索系统还是到最近二十年年兴起的大规模现代搜索引擎，围绕搜索系统所...
  2015-01-01 15:20:27 | AI技术内参
• AI技术内参-078复盘2推荐系统核心技术模块
  078 复盘 2 推荐系统核心技术模块 到目前为止，我们讲完了人工智能核心技术的第二个模块——推荐系统。 整个模块共21期，7大主题，希望通过这些内容，能让你对推荐系统核心技术有一个全面系统的认识和理解，为自己进一步学习和提升打下基础。今天我准备了21张知识卡，和你一起来对这一模块的内容做一个复盘。 提示：点击知识卡跳转到你最想看的那篇文章，温故而知新。如不能正常跳转，请先将App更新到...
  2015-01-01 15:20:27 | AI技术内参
• AI技术内参-078基于深度学习的推荐模型之三：利用深度学习来扩展推荐系统
  078 基于深度学习的推荐模型之三：利用深度学习来扩展推荐系统 这周，我们主要讨论如何利用深度学习来提升推荐系统的精度。我们分别介绍了使用RBM（Restricted Boltzmann Machines，受限波兹曼机）来对推荐系统建模，和RNN（Recurrent Neural Network，递归神经网络）在推荐系统中的应用。 今天，我们最后再来看一看，还有哪些深度学习的思潮在影响着推...
  2015-01-01 15:20:27 | AI技术内参
• AI技术内参-077基于深度学习的推荐模型之二：基于RNN的推荐系统
  077 基于深度学习的推荐模型之二：基于RNN的推荐系统 周一我们看了一篇经典的文章，那就是尝试使用受限波兹曼机（RBM）来对推荐系统建模。这应该是最早把深度学习应用到推荐建模的典范。当然，RBM虽然算是相对比较早的深度学习模型，但其本质上并没有很多后来提出的深度模型的特质，也没有真正发挥出深度学习模型的特有优势。 今天，我们结合几篇论文来看一类深度学习模型，那就是“递归神经网络”（Rec...
  2015-01-01 15:20:27 | AI技术内参
• AI技术内参-076基于深度学习的推荐模型之一：受限波兹曼机
  076 基于深度学习的推荐模型之一：受限波兹曼机 这几周我们进入专栏里一个比较大的模块，那就是推荐系统。 上周，我们谈了现代推荐系统的架构体系，帮助你在宏观上对推荐系统的构建有一个更加完整的认识。这周，我们主要来看在推荐系统研究领域里一个比较前沿的话题，那就是如何利用深度学习来提升推荐系统的精度。 今天，我们首先来看一篇经典的文章《受限波兹曼机进行协同过滤》（Restricted Bol...
  2015-01-01 15:20:27 | AI技术内参
• AI技术内参-075现代推荐架构剖析之三：复杂现代推荐架构漫谈
  075 现代推荐架构剖析之三：复杂现代推荐架构漫谈 本周我们讨论现代推荐系统的架构体系。周一我们看了最简单的基于线下离线计算的推荐架构，周三我们聊了基于多层搜索架构的推荐系统。 今天，我们来谈一谈如何从这两种架构的思路出发，来满足更加复杂多变的实际情况。 推荐架构需要解决的问题 这周我反复强调推荐系统的几个基本需求点。第一，能够在一两百毫秒内给用户提供当前的推荐结果；第二，需要对用户和...
  2015-01-01 15:20:27 | AI技术内参