搜索算法
0 人感兴趣 · 9 次引用
- 最新
- 推荐
减少 95% 资源的向量搜索 | 使用云搜索的 DiskANN
DiskANN 通过构建低时延、高召回率的 Vamana 图,同时辅以内存与 SSD 磁盘之间的高效协同作业,召回率和主流的 HNSW 图算法基本保持一致,内存资源占用相比于基于图的算法要大幅减少。
![https://static001.geekbang.org/infoq/ef/ef22d6fa64cd85f515d3620961ba0c34.jpeg?x-oss-process=image%2Fresize%2Cw_416%2Ch_234](https://static001.geekbang.org/infoq/ef/ef22d6fa64cd85f515d3620961ba0c34.jpeg?x-oss-process=image%2Fresize%2Cw_416%2Ch_234)
深度学习应用篇 - 推荐系统 [12]:经典模型 -DeepFM 模型、DSSM 模型召回排序策略以及和其他模型对比
CTR预估是目前推荐系统的核心技术,其目标是预估用户点击推荐内容的概率。DeepFM模型包含FM和DNN两部分,FM模型可以抽取low-order(低阶)特征,DNN可以抽取high-order(高阶)特征。低阶特征可以理解为线性的特征组合,高阶特征,可以理解为经过多次线性-非
![https://static001.geekbang.org/infoq/83/834373091bf7fa0f1e87193e5a7c23af.jpeg?x-oss-process=image%2Fresize%2Cw_416%2Ch_234](https://static001.geekbang.org/infoq/83/834373091bf7fa0f1e87193e5a7c23af.jpeg?x-oss-process=image%2Fresize%2Cw_416%2Ch_234)
![https://static001.geekbang.org/infoq/bc/bc83843827f0db364052324c0ae3afd1.jpeg?x-oss-process=image%2Fresize%2Cw_416%2Ch_234](https://static001.geekbang.org/infoq/bc/bc83843827f0db364052324c0ae3afd1.jpeg?x-oss-process=image%2Fresize%2Cw_416%2Ch_234)
2023 年了,做 SEO 还有必要吗?
seo、sem究竟做哪个?都有哪些常见的搜索引擎?不同的搜索引擎对应的优化策略又是什么?如何从前端入手优化搜索引擎,看这篇就够了!
推荐系统 [四]:精排 - 详解排序算法 LTR (Learning to Rank)_ poitwise, pairwise, listwise 相关评价指标,超详细知识指南。
推荐可分为以下四个流程,分别是召回、粗排、精排以及重排: 1. 召回是源头,在某种意义上决定着整个推荐的天花板; 2. 粗排是初筛,一般不会上复杂模型; 3. 精排是整个推荐环节的重中之重,在特征和模型上都会做的比较复杂;