内容保举怎样更懂你？Netflix的《守护者同盟》尝试有些谜底

仅仅Netflix本性保举体系中运用到的呆板进修算法，就有线性回归(Linear Regression)、逻辑斯特回归(Logistic Regression)、弹性收集(Elastic Nets)、奇特值解析(SVD ： Singular Value Decomposition)、(Restricted Boltzmann Machines)、马尔科夫链(Markov Chains)、LDA(Latent Dirichlet Allocation)、关联法则(Association Rules)、GBDT(Gradient Boosted Decision Trees)、随机丛林(Random Forests)、矩阵解析(Matrix Factoriza)，而且名单还在不绝增进。

这里不接头每一种算法详细给内容保举带来的代价，可是想表白两点：没有能办理全部题目的算法，组合才是硬原理;算法模子间的功效互制，是确保Netflix保举质量高的法门。

总结一下Netflix对呆板进修等AI算法的立场，可以归为三点：

1.对新算法保持敏感和饥渴，对已有算法创新保持乐观。

2.乐意在多个产物成果树上以行使算法矩阵。

3.严酷的算法测试。

(Netflix测试内容保举类算法的布局逻辑)

虽然Netflix的保举引擎绝非美满，照旧常常有各类bug呈现，但其结构保举引擎的整个故事照旧值得我们多想一些。

在详细技能之外的产物计谋层面，Netflix带给AI产物应用的启迪在于，“有AI”和“有很好用的AI”真的是两码事。

大量的硬件陈设、运算支撑、框架开拓、算法创新、应用测试以及对整个别系严苛的检讨，都是庞大的投入本钱。AI固然能办理题目，但今朝环境下还不能“很自制”的办理题目。真的要投身AI，必必要对本钱和投入有足够正确的认知。

详细到内容保举引擎上，“按照你方才点击的要害词保举”和“按照你保举”，也是两码事。

好了，此刻笔者要去回首一遍《复联》，等等《蜘蛛侠》，刷刷《处罚者》的动静了——但愿这些可以减缓《守护者》带给我的冲击与危险…..

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!