Публикации по теме 'learning-to-rank'
Обучение ранжированию для поиска информации
Цифровая эпоха — это эффективный, быстрый, удобный и эффективный образ жизни по всем направлениям. Каждый тип бизнеса, большой или малый, в различных отраслях, вносит изменения в электронную коммерцию. Обнаружение продукта на платформе электронной коммерции становится все более важным для обеспечения лучшего покупательского опыта для клиентов и предоставления релевантных результатов поиска, ведущих к более высоким коэффициентам конверсии.
Релевантность поиска решает проблему: насколько..
Алгоритм поиска в Tiket.com
Часть 1 Автозаполнение
Автор Элизафина Сисванто , специалист по обработке и анализу данных @ Tiket.com
Всякий раз, когда мы хотим путешествовать, первое, что нам нужно, это пункт назначения, куда мы хотим отправиться.
Как OTA, «Destination» также является первой дверью для каждого туристического продукта на Tiket.com. Так, например, чтобы забронировать отель, сначала пользователю нужно будет указать пункт назначения, дату заезда и выезда, а также количество номеров и гостей...
Учимся ранжировать по байесовскому методу
Байесовская статистика
Учимся ранжировать по байесовскому методу
Реализуйте модель Брэдли-Терри в PyMC.
Представьте, что группа игроков соревнуется в какой-то игре один на один . Тогда возникает естественный вопрос:
Как ранжировать игроков?
Теоретически эта задача не должна быть слишком сложной — пусть они сыграют несколько игр и проверят коэффициент выигрыша игроков . К сожалению, у этого естественного подхода есть некоторые проблемы:
вы не можете сказать, означает..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..