深度匹配学习
正版保障 假一赔十 电子发票
￥ 19.69 2.8折 ￥ 69.8 全新
库存4件
作者徐君, 何向南, 李航著
出版社人民邮电出版社
ISBN9787115605146
出版时间2023-01
装帧平装
开本其他
定价69.8元
货号4309247
上书时间2024-11-12
商品详情
- 品相描述：全新
- 商品描述
-
商品简介
本书从语义匹配的角度解决搜索引擎和推荐系统的关键痛点，为构建解决语义匹配问题的深度学习模型提供了通用框架。第1章概述搜索和推荐中的语义匹配问题，以及近年来的研究进展。第2章介绍传统匹配模型，包括潜在空间模型。第3章介绍深度学习技术在构建匹配模型时的应用。第4章和第5章分别介绍用于搜索和推荐的深度匹配模型，并将当前的深度学习解决方案分为两类：表示学习方法和匹配函数学习方法。第6章对全书内容做了总结，并为读者指明进一步学习的方向。
本书适合对深度学习感兴趣的各类读者，包括相关专业的本科生、研究生、博士生，以及从事信息检索、搜索引擎、推荐系统、计算广告相关工作的软件工程师。
作者简介
【作者简介】
徐君
中国人民大学杰出特聘教授、博导。曾就职于微软亚洲研究院、华为技术有限公司诺亚方舟实验室和中国科学院计算技术研究所。主要研究方向包括信息检索、因果分析和数据挖掘等。发表论文100余篇，担任多个国际期刊的编委或副主编，主持多项国家项目。
何向南
中国科学技术大学教授、博导，国家高层次青年人才计划入选者。研究方向包括推荐系统、数据挖掘、因果推理等，在SIGIR、KDD、WWW等国际学术会议上发表论文100余篇，爱思唯尔中国高被引学者，阿里巴巴达摩院青橙奖获得者。担任多个国际期刊的编委或副主编，主持多项重量项目，研究成果在多个商业公司的线上系统中获得应用，取得积极效果。
李航
字节跳动科技有限公司研究部门负责人。ACL会士、IEEE会士、ACM杰出科学家。京都大学毕业，东京大学博士。曾就职于NEC公司中央研究所、微软亚洲研究院、华为技术有限公司诺亚方舟实验室。主要研究方向包括自然语言处理、信息检索、机器学习、数据挖掘。《机器学习方法》等书作者。
【译者简介】
朱小虎
通用人工智能研究员、谷歌机器学习GDE、百度深度学习布道师、Foresight Institute Fellow。University AI和Center for Safe AGI的创始人。举办过多场国际性人工智能峰会和活动，曾受邀为多所国内高校制订人工智能学习规划和教授人工智能前沿课程，也曾为多家世界500强企业提供人工智能方面的战略布局建议及落地实施等方面的咨询建议。《深入浅出神经网络与深度学习》《人工智能缔造师》等书译者。
目录
本书从语义匹配的角度解决搜索引擎和推荐系统的关键痛点, 为构建解决语义匹配问题的深度学习模型提供了通用框架。第1章概述搜索和推荐中的语义匹配问题, 以及近年来的研究进展。第2章介绍传统的匹配模型, 包括潜在空间模型。第3章介绍深度学习技术在构建匹配模型时的应用。第4章和第5章分别介绍用于搜索和推荐的深度匹配模型, 并将当前的深度学习解决方案分为两类: 表示学习方法和匹配函数学习方法。第6章对全书内容做了总结, 并为读者指明进一步学习的方向。
内容摘要
本书从语义匹配的角度解决搜索引擎和推荐系统的关键痛点，为构建解决语义匹配问题的深度学习模型提供了通用框架。第1章概述搜索和推荐中的语义匹配问题，以及近年来的研究进展。第2章介绍传统匹配模型，包括潜在空间模型。第3章介绍深度学习技术在构建匹配模型时的应用。第4章和第5章分别介绍用于搜索和推荐的深度匹配模型，并将当前的深度学习解决方案分为两类：表示学习方法和匹配函数学习方法。第6章对全书内容做了总结，并为读者指明进一步学习的方向。
本书适合对深度学习感兴趣的各类读者，包括相关专业的本科生、研究生、博士生，以及从事信息检索、搜索引擎、推荐系统、计算广告相关工作的软件工程师。
主编推荐
- 人工智能大咖徐君、何向南、李航联袂创作
- 用深度学习助力搜索引擎和推荐系统
信息科学的一大基本问题是如何从庞大的信息库中识别满足用户需求的信息。虽然搜索和推荐都属于信息访问范式，但二者的信息提供机制各异。本书从语义匹配的角度为搜索和推荐提供了统一的框架，归纳和总结了深度匹配学习领域的前沿成果，旨在帮助深度匹配模型更广泛地应用于与搜索和推荐相关的互联网产品。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价