机读格式显示(MARC)

• 000 02125nam 2200337 450

• 001 0000311509

• 005 20231201133500.0

• 010 __ |a 978-7-115-60514-6 |d CNY69.80

• 100 __ |a 20230218d2023 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 深度匹配学习 |A shen du pi pei xue xi |e 面向搜索与推荐 |d = Deep learning for matching in search and recommendation |f 徐君, 何向南, 李航著 |g 朱小虎译 |z eng

• 210 __ |a 北京 |c 人民邮电出版社 |d 2023

• 215 __ |a 190页 |c 图 |d 21cm

• 225 2_ |a 智源人工智能丛书 |A zhi yuan ren gong zhi neng cong shu

• 314 __ |a 徐君, 中国人民大学杰出学者特聘教授、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。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。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。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。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 Al 和Center for Safe AGI的创始人。

• 320 __ |a 有书目 (第157-190页)

• 330 __ |a 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。

• 410 _0 |1 2001 |a 智源人工智能丛书

• 510 1_ |a Deep learning for matching in search and recommendation |z eng

• 517 1_ |a 面向搜索与推荐 |A mian xiang sou suo yu tui jian

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 徐君 |A xu jun |4 著

• 701 _0 |a 何向南 |A he xiang nan |4 著

• 701 _0 |a 李航 |A li hang |4 著

• 702 _0 |a 朱小虎 |A zhu xiao hu |4 译

• 801 _0 |a CN |b 湖北三新 |c 20230218

• 905 __ |a GDPTC |d TP181/262