論文筆記：Deep neural networks for YouTube recommendations
論文提要 YouTube如今是工業界最大和最複雜的推薦系統之一，本文作者提出了一種高效的基於深度學習的推薦系統。該系統和工業界經典的推薦流程一樣，系統分爲候選集生成（也稱爲搜索或召回），排序兩個階段，這兩個階段分別使用了一個深度神經網絡，本文從實踐的角度對特徵處理，模型訓練和調優都有詳細介紹。 解決的問題 YouTube是世界上最大的視頻創作及分享平臺，其視頻推薦的面臨的主要問題有： 1. 海量
相關文章
- 1. Understanding Neural Networks Through Deep Visualization 論文筆記
- 2. Deep Neural Networks for Object Detection論文翻譯
- 3. [論文解讀] Concolic Testing for Deep Neural Networks
- 4. 論文閱讀：Deep Neural Networks for Object Detection
- 5. Deep Learning 論文解讀——Session-based Recommendations with Recurrent Neural Networks
- 6. Learning Convolutional Neural Networks for Graphs論文筆記
- 7. 【Fast Algorithms for Convolutional Neural Networks】論文筆記
- 8. 論文筆記——Data-free Parameter Pruning for Deep Neural Networks
- 9. Channel Pruning for Accelerating Very Deep Neural Networks論文筆記
- 10. Deep Neural Networks for Learning Graph Representations論文筆記
- 更多相關文章...
- • ASP.NET Razor - 標記 - ASP.NET 教程
- • Scala for循環 - Scala教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • Scala 中文亂碼解決
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Understanding Neural Networks Through Deep Visualization 論文筆記
- 2. Deep Neural Networks for Object Detection論文翻譯
- 3. [論文解讀] Concolic Testing for Deep Neural Networks
- 4. 論文閱讀：Deep Neural Networks for Object Detection
- 5. Deep Learning 論文解讀——Session-based Recommendations with Recurrent Neural Networks
- 6. Learning Convolutional Neural Networks for Graphs論文筆記
- 7. 【Fast Algorithms for Convolutional Neural Networks】論文筆記
- 8. 論文筆記——Data-free Parameter Pruning for Deep Neural Networks
- 9. Channel Pruning for Accelerating Very Deep Neural Networks論文筆記
- 10. Deep Neural Networks for Learning Graph Representations論文筆記