由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版 检索匹配 深度学习在搜索广告系统中的应用 康善同 算法 大数据 分布式机器学习 人工神经网络 标签拼接 模型构
¥ ×1
商品基本信息 | |
商品名称: | 检索匹配:深度学习在搜索、广告、推荐系统中的应用 |
作 者: | 康善同 |
市 场 价: | 79.00元 |
ISBN 号: | 9787111706076 |
页 数: | 194 |
出 版 社: | 机械工业出版社 |
目录 |
第1部分 理 论 准 备
第1章 深度学习时代/ 1.1 深度学习的飞速发展/ 1.2 深度学习在互联网的应用/ 1.2.1 搜索/ 1.2.2 推荐/ 1.2.3 广告/ 1.2.4 通用检索流程/ 1.3 深度学习模型分类/ 1.4 模型服务中台/ 1.5 分布式机器学习/ 1.6 深度学习软件框架/ 1.7 小结/
第2章 深度学习简介/ 2.1 生物神经网络/ 2.2 人工神经网络/ 2.3 业务问题建模/ 2.4 DNN的拟合能力/ 2.5 DNN的学习方式/ 2.6 CNN与RNN/ 2.7 小结/
第2部分 设计与实现
第3章 标签拼接/ 3.1 时间窗口/ 3.2 延迟反馈/ 3.3 样本集介绍/ 3.3.1 原始样本/ 3.3.2 广告基本信息表/ 3.3.3 用户基本信息表/ 3.3.4 用户的行为日志/ 3.4小结/
第4章 特征处理/ 4.1 特征分类/ 4.2 特征体系/ 4.3 原始特征拼接/ 4.3.1 拼接方法/ 4.3.2 数据集特征拼接/ 4.3.3 代码/ 4.4 明文特征抽取/ 4.4.1 特征抽取算子/ 4.4.2 特征抽取示例/ 4.5 特征ID化/ 4.5.1 特征词表生成/ 4.5.2 ID化示例/ 4.6 代码说明/ 4.7 小结/
第5章 模型构建/ 5.1 DNN求解/ 5.1.1 数学规划/ 5.1.2 DNN方法/ 5.2 模型层/ 5.2.1 输入层/ 5.2.2 神经网络层/ 5.2.3 激活函数层/ 5.3模型结构/ 5.3.1 DLRM模型/ 5.3.2 模型搭建/ 5.4 损失函数/ 5.4.1 MSE损失函数/ 5.4.2 CrossEntropy损失函数/ 5.5 优化器/ 5.5.1 SGD/ 5.5.2 Momentum/ 5.5.3 Nesterov/ 5.5.4 AdaGrad/ 5.5.5 Adam/ 5.5.6 扩展/ 5.6 小结/
第6章 模型训练与预测/ 6.1 模型评估/ 6.2 模型训练/ 6.2.1 模型训练流程/ 6.2.2 模型训练技巧/ 6.3 模型预测/ 6.4 训练效果示例/ 6.5 模型优化/ 6.6 GPU应用/ 6.7 小结/
第3部分 高级深度学习模型
第7章 检索算法理论/ 7.1 检索算法抽象/ 7.2 有表示匹配/ 7.2.1 标签表示/ 7.2.2 分布式表示/ 7.3 无表示匹配/ 7.4 内容理解/ 7.4.1 自然语言处理/ 7.4.2 计算机视觉/ 7.4.3 一点思考/ 7.5 用户理解/ 7.6 总结/
第8章 检索算法演进/ 8.1 前深度学习时代/ 8.1.1 LR/ 8.1.2 决策树/ 8.1.3 协同过滤/ 8.1.4 MF/ 8.1.5 算法应用/ 8.2 深度学习时代/ 8.2.1 精排模型演进/ 8.2.2 粗排模型演进/ 8.2.3 召回模型演进/ 8.3 小结/
第9章 DSSM理论与实现/ 9.1 DSSM模型/ 9.2 DSSM实现/ 9.3 线上预测/ 9.4 ANN检索/ 9.4.1 基于树的方法/ 9.4.2 基于Hash的方法/ 9.4.3 基于图的方法/ 9.4.4 ANN检索效率比较/ 9.5 训练效果/ 9.6 模型优化/ 9.7 小结/
第4部分 分布式机器学习
第10章 计算机系统/ 10.1 单机系统/ 10.1.1 单机系统物理模型/ 10.1.2 单机系统程序编程/ 10.2 分布式系统/ 10.2.1 分布式计算/ 10.2.2 分布式存储/ 10.2.3 分布式协同通信/ 10.2.4 CAP理论/ 10.2.5 一点思考/ 10.3 分布式系统示例/ 10.4 分布式编程示例/ 10.5 小结/
第11章 分布式机器学习设计与实现/ 11.1 机器学习应用系统设计/ 11.2 分布式机器学习设计/ 11.2.1 并行方式/ 11.2.2 节点协作方式/ 11.2.3 模型更新方式/ 11.3 常用的分布式学习框架/ 11.4 PS Lite介绍/ 11.4.1 代码架构/ 11.4.2 工作流程/ 11.5 分布式训练实现/ 11.5.1 架构设计/ 11.5.2 代码实现/ 11.5.3 程序运行/ 11.5.4 模型保存与加载/ 11.5.5 效果评估/ 11.6 小结/ 结语/ 附录/ 附录A 辅助学习资料/ |
内容简介 |
《检索匹配:深度学习在搜索、广告、推荐系统中的应用》主要介绍了深度学习在互联网核心的三大类业务(搜索、广告、推荐系统)检索系统中的应用。书中详细讲述了检索匹配的理论、演进历史,以及在业务中落地一个基于深度学习算法模型的全流程技能,包括业务问题建模、样本准备、特征抽取、模型训练和预测等,并提供了相应的代码。 《检索匹配:深度学习在搜索、广告、推荐系统中的应用》共11章,分为四大部分。第1部分(第1~2章)介绍了深度学习的相关理论知识;第2部分(第3~6章)介绍了业务中如何上线一个深度学习模型,包括标签拼接、特征抽取、模型训练和预测等流程,采用单机实现;第3部分(第7~9章)介绍了检索算法基本理论以及演进历史,并以业内应用较为广泛的双塔模型DSSM为例进行了详细理论解析和代码实现;第4部分(第10~11章)介绍了如何将单机训练模式改造为分布式训练模式,以加快模型的训练速度,从而应对具有海量样本的业务场景。 《检索匹配:深度学习在搜索、广告、推荐系统中的应用》为读者提供了全部案例源代码下载和超过180分钟的高清学习视频,读者可直接扫描二维码观看。 《检索匹配:深度学习在搜索、广告、推荐系统中的应用》旨在为读者介绍深度学习在互联网业务中落地的方法和实现,主要面向算法工程师、相关领域研究人员和相关专业院校师生。 |
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格