龙雏
高级算法工程师 · 6年经验 · 腾讯
0
累计接单
0
用户评价
2
被收藏
技术能力
团队成员来自bat在职或离职优秀人才。有丰富的人工智能开发经验，可胜任工作内容包括但不限于自然语言处理、图像理解、视频理解、数据挖掘。
团队目前自有GPU集群、数据集群等丰富的开发资源，可完成大规模模型的训练与大样本集的预测。可以提供人工智能领域一站式服务。
技能标签：TensorFlow、自然语言处理、图像理解、视频理解、深度学习
团队目前自有GPU集群、数据集群等丰富的开发资源，可完成大规模模型的训练与大样本集的预测。可以提供人工智能领域一站式服务。
技能标签：TensorFlow、自然语言处理、图像理解、视频理解、深度学习
项目经验
项目一：内容推荐
1. 内容画像：topic挖掘、实体标注、扩散特征（ctr、时长、属性倾向...）、质量预估
2. 用户画像：包括正向兴趣、迁移兴趣、即时兴趣、负向兴趣、兴趣预测
3. Embedding体系：构建从细粒度到粗粒度的embedding体系，包括word、tag、news和user等维度，综合运用了稀疏编码，attention机制，side-info等技术
4. 召回策略
基于准确性：正向兴趣、即时兴趣、负向兴趣、用户向量、协同召回（item cf）
基于多样性：基础属性召回、热门召回、迁移兴趣
5. 排序策略：基于deepfm+attention
6. 后排策略：基于次模函数+bandit，兼顾推荐列表的准确性与多样性
项目二：应用市场搜索
1. app理解：包括三级分类挖掘、关键词提取、实体识别、名称切词权重自动标注
2. 检索词理解：包括关键词提取、实体识别、切词权重自动标注、点击基尼、游戏性、匹配占比
3. 召回：基于文本召回和语义召回
4. 排序：基于DeepFM
1. 内容画像：topic挖掘、实体标注、扩散特征（ctr、时长、属性倾向...）、质量预估
2. 用户画像：包括正向兴趣、迁移兴趣、即时兴趣、负向兴趣、兴趣预测
3. Embedding体系：构建从细粒度到粗粒度的embedding体系，包括word、tag、news和user等维度，综合运用了稀疏编码，attention机制，side-info等技术
4. 召回策略
基于准确性：正向兴趣、即时兴趣、负向兴趣、用户向量、协同召回（item cf）
基于多样性：基础属性召回、热门召回、迁移兴趣
5. 排序策略：基于deepfm+attention
6. 后排策略：基于次模函数+bandit，兼顾推荐列表的准确性与多样性
项目二：应用市场搜索
1. app理解：包括三级分类挖掘、关键词提取、实体识别、名称切词权重自动标注
2. 检索词理解：包括关键词提取、实体识别、切词权重自动标注、点击基尼、游戏性、匹配占比
3. 召回：基于文本召回和语义召回
4. 排序：基于DeepFM
立即沟通
