机读格式显示(MARC)

• 000 01814nam 2200301 450

• 001 0000448687

• 005 20231222101500.0

• 010 __ |a 978-7-111-70607-6 |d CNY79.00

• 100 __ |a 20220624d2022 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a 检索匹配 |A jian suo pi pei |d = Retrieval and matching |e 深度学习在搜索、广告、推荐系统中的应用 |f 康善同编著 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2022

• 215 __ |a x, 194页 |c 图 |d 24cm

• 225 2_ |a 大数据科学丛书 |A da shu ju ke xue cong shu

• 314 __ |a 康善同, 本科毕业于南京大学; 于北京大学获得计算机系统结构硕士学位; 有十余年的互联网大厂一线算法相关工作经验。

• 330 __ |a 本书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。全书共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。

• 410 _0 |1 2001 |a 大数据科学丛书

• 510 1_ |a Retrieval and matching |z eng

• 517 1_ |a 深度学习在搜索、广告、推荐系统中的应用 |A shen du xue xi zai sou suo 、guang gao 、tui jian ji tong zhong de ying yong

• 606 0_ |a 机器学习 |A ji qi xue xi |x 应用 |x 互联网络 |x 信息检索

• 690 __ |a TP181 |v 5

• 690 __ |a G254.928 |v 5

• 701 _0 |a 康善同 |A kang shan tong |4 编著

• 801 _0 |a CN |b 湖北三新 |c 20220624

• 905 __ |a AUSTL |d TP181/K763