- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据派THU
独家 | 一文读懂LinkedIn个性化推荐模型及建模原理
，并解释建模原理以及如何通过Photon-ML来实现，使其能够惠及数亿用户。 本质上它们都是统计模型，需要克服序列决策过程、高维数据的交互建模，开发可伸缩的统计方法等诸多困难。 在本文中，我们将重点关注个性化推荐模型，并解释建模原理以及如何通过Photon–ML来实现，使其惠及数亿用户。 Photon-ML的个性化模型构建 LinkedIn通过应用Photon-ML，显著提升了许多产品的用户参与度和业务指标。下面举例说明如何使用广义可加混合效应模型（GAME）进行个性化的工作推荐。 对于一个在过去申请很多职位的用户，我们能够准确地估计他/她的个人系数向量αm并提供个性化的预测。
1.5K100发布于 2018-01-30 Sitecore个性化 - 什么是历史个性化？
顾名思义，Sitecore中的历史个性化允许您根据访问者过去在您网站上的行为来设置个性化规则。 许多组织选择Sitecore 作为其高级个性化功能的网站平台 - 历史个性化只是一种方法。 查看我们关于Sitecore个性化的文章- 基础知识 历史个性化如何运作？ 想象一下，你是一家白色家电制造商或零售商。 您计划在过去六个月内通过特别优惠向所有购买新洗衣机的客户发送电子邮件。 这是历史个性化。 个性化需要发挥人们的情感，让他们对自己和品牌感觉良好。 为什么历史个性化很重要？ 通过为现有客户推出数字红地毯，为他们提供个性化的产品，服务和体验，您可以推动销售和交叉销售机会，并将他们变成生活的拥护者 - 从而推动新客户您。 如何在Sitecore中设置历史个性化？ 使用Sitecore访客概要分析 访问者分析是开始使用Sitecore强大的个性化功能的简单方法。 通过创建访问者个人资料，您可以根据他们的兴趣，当然还有他们的历史记录，为访问者提供内容。
39200编辑于 2025-04-05- 来自专栏喵叔's 专栏
RavenDB建模--常见建模方案
在 RavenDB 中对如何在应用程序中进行数据建模没有任何要求，我们可以使用任何形式进行建模，RavenDB 只关心如何构建数据，这就是我们后续几篇文章要讲解的内容。 public Parent Mother { get; set; } public Registration Registration { get; set; } } 我们在建模时应遵循 RavenDB 建模的核心原则，要确定哪些信息可以放在一起，哪些信息是独立的，这就是我们上篇文章介绍的优秀的文档模型应具备独立、隔离和连贯性。 另一种情况是，如果需要对文档进行并发活动，由于文档是 RavenDB 中的并发单位，因此需要对文档进行建模，以便它们具有更改的单一原因。
97910编辑于 2022-03-22 - 来自专栏phodal
元素建模：探索建模的要素
随着我们不断深入软件架构的设计里，我们也会不断也尝试着一系列不同的方法，诸如于我的同事 @少个分号 在那篇《建模方法元模型：如何设计一个建模方法》一文里，对于不同建模方式进行了简单的介绍，并进行了相关的拆解和分析 再回到面向对象这一点来看的话，建模就变成了一件非常有意思的事。 建模“建模”：从概念到模型 回到我们所开发的软件系统里，其系统的核心组成部分是由一个个的概念所组成。 建模的方式：基于“事实”的软件建模 PS：对于事实，从语言的角度，可能使用纪实、叙实会比较合适。 基于凭证的建模：履约建模 履约建模是一个比较新的建模方法，它基于凭证的方式来设计系统。其核心要素是：作为业务凭证，只存在创建，不存在修改和删除。 建模建模 从某种意义上来说，寻找这些“事实”的过程，便是系统状态的表征过程。
68230编辑于 2021-12-04 - 来自专栏大数据学习与分享
数据建模-维度建模-维度设计
导读： 在Kimball维度建模中，通常将度量称为“事实”，将环境描述为“维度”，维度是用于分析事实所需要的多样环境。维度和维度属性是维度的两个核心概念，如何构建维度的属性是维度设计中需要关注的。 作为维度建模的核心，我们在企业级的数据仓库中必须保证维度的唯一性。以淘宝商品维度为例，我们有且只允许有一个维度定义。 第二步：确定主维度表。 二、第二部分 在Kimball维度建模中，通常将度量称为“事实”，将环境描述为“维度”，维度是用于分析事实所需要的多样环境。 02 快照维表 维度的基本概念中介绍了自然键和代理键的定义，在Kimball的维度建模中，必须使用代理键作为每个维度表的主键，用于处理缓慢变化维度。 但在阿里巴巴数据仓库建设的实践过程中，虽然我们使用的是Kimball的维度建模的理论，但实际并未使用代理键。我们是如何处理缓慢变化维度，如何记录变化历史的呢？为什么不使用代理键呢？
2K31编辑于 2023-09-06 - 来自专栏数据库相关
vim个性化配置
地址： https://github.com/spf13/spf13-vim Requires Git 1.7+ and Vim 7.3+ curl https://j.mp/spf13-vim3 -L > spf13-vim.sh && sh spf13-vim.sh 即可一键安装
59840发布于 2019-09-17 - 来自专栏Java架构师必看
个性化的分页
没有办法，想个性化功能，只有自已动手来做了，呵呵。 我们一步步的来，首先是导入需要的命名空间。下面的例子，其实也是我从国外找来的，再加上点个人的东东，再汉化，呵呵。 Namespace="System.Data.SQL" %> 我们先看看，我们的web控件是哪些，再看看代码是怎么写的，这样比较好：） <body>
个性化的分页实例 int)MyDataGrid.CurrentPageIndex+1); lblPageCount.Text = "总页数是： " + MyDataGrid.PageCount; } 到此为止，我们的个性化页面已经完成了
1K20发布于 2021-03-22 - 来自专栏WriteSimpleDemo
vim 个性化设置
NormalNormal模式 normal G 跳到最后一行 其他个性化设置 " edit my vimrc let mapleader = "-" " 设置快捷键前缀为 - nnoremap <leader
2.4K20发布于 2019-12-18 - 来自专栏小小挖掘机
个性化推荐技术
在这个时代背景下，信息爆炸与长尾问题普遍发生，而解决方案之一是个性化推荐技术，那具体什么是个性化推荐，怎么去实现这一过程呢？ 这一章读者朋友需要做到的是读完以后，对个性化推荐技术有一个全局宏观的认识，对于细节不用过多地苛求。 1. 注：这里频道的概念是指淘抢购/有好货/必买清单等电商频道概念，不理解的读者可以打开APP 以上情形背后的答案就是个性化推荐技术，当然也包含了相关的搜索技术。 因为在电商产品中，在非个性化的商品展示过程中，往往爆款商品拥有更多的流量，这样其实不能很好的照顾到高质量长尾用户和高质量长尾商品。 基于模型（这个比较抽象）：利用数学建模的手段，评估你的购买意图，将模型计算出来的得分最高的推荐给你 基于内容：在茫茫商品中，总有一些商品他们的属性、描述很像；当你看了某些商品后，推荐系统会将内容上最相似的那些上商品推荐给你
2.5K51发布于 2019-05-10 - 来自专栏frytea
Putty个性化配置
终端工具用一圈，还是Putty简单好用。就是Putty难看的外观、不清晰的字体劝退了许多人，今天就简单介绍一种快速美化putty的方法。
3.8K30发布于 2020-08-24 - 来自专栏居士说AI
个性化设置技巧
个性化设置技巧 子墨居士 前言 本次内容主要是win10系统自带的功能，不是用第三方软件优化桌面的情况下，让自己的电脑桌面能更美观、更舒服。系统自身的个性化设置主要是下图中的几个。 鼠标右击->个性化设置。 第三方软件的效果会更好，毕竟是专门做美化的。 一、桌面设置 桌面的设置主要有背景和图标，这两个很容易影响美观。 1.1 桌面背景 鼠标右键/设置->个性化->背景 进行设置 也可以选中想要设为桌面的图片->鼠标右键->设为桌面背景，就像下面这样操作。 三、“开始”菜单设置 在前言中，图片已经显示出来，开始和任务栏都是在个性化中设置的。关于开始菜单的设置如下图所示，系统给的设置没有几个。 4.1进入任务栏设置 1)开始菜单->设置->个性化->任务栏 2)鼠标放于任务栏->单击右键->任务栏设置 第二种方式的菜单中有很多的设置，有兴趣的朋友们自己去试一试咯。
2.4K20编辑于 2022-06-02 - 来自专栏Java架构师必看
建模 python_整数规划建模例题
今天说一说建模 python_整数规划建模例题,希望能够帮助大家进步!!! Python之建模规划篇--整数规划 基本介绍 整数规划的分类 整数规划的特点 求解方法分类 0 - 1 型整数规划 蒙特卡洛法 (随机取样法) 整数线性规划的计算机求解 分枝定界法 Python
2K10编辑于 2022-07-19 - 来自专栏窦融的专栏
个性化推荐 101
导语 本文聚焦在如何做个性化推荐的流程，算法则采用常用的逻辑回归LR，这里主要介绍怎么用LR这个工具来做推荐，并不涉及算法本身的研究和细节；本文主要讨论4个问题，什么是个性化推荐？为什么做？ 从上述个性化推荐的阐述可以得到两方面信息： 1、推荐存在两个主体，用户（USER）和物品（ITEM）； 2、推荐是个性化的，每个用户得到推荐的物品是不同的，是极大程度上符合个人喜好的。 如上图所示是游戏个性化推荐和人工运营精品推荐的效果对比，可以看出自个性化推荐上线后点击率效果差别是很大的。为什么会这样呢？ 现在这种个性化的需求越来越普遍，也促成了各产品各业务对个性化的强烈需求。 三、When？ 什么时候需要做个性化推荐呢？ 一般来说必须要有两个主体，用户和物品，如果只是单一的提升用户对某一个东西的行为效果，并不需要用到个性化推荐。 四、How？ 下面重点讲下怎么做个性化推荐，上图是整个流程图，我们一步步讲。
6K51发布于 2017-07-14 - 来自专栏RelaxHeart网聊聊Java
SpringBoot 个性化 Banner
前言 -------------------------------------- 当我们开发了一套自己的系统时，如果加上自己的一个个性化Banner，会不会让我们的程序更加别具一格呢，下面我们能就来介绍一下 [springboot 默认banner.png] 定制我们自己的个性banne -------------------------------------------------- 那我们如何把这一个性化体现在我们的项目中呢 [在线生成banner.txt.png] 第二步： 然后把下载的banner.txt放到我们项目的resources资源目录下： [banner.txt位置.png] 第三步： 重新启动就可以了 [个性化
4.1K40发布于 2019-05-17 - 来自专栏喵叔's 专栏
RavenDB 文档建模--建模注意事项
我们在开始讲解如何在 RavenDB 中建模之前，先来看看注意事项，这些内容与我们将要辨析的模型有着直接的关系。 这里需要注意的第一点是 不要在不同应用之间建立共享数据库。 因此每个应用程序应该对立的进行数据建模，并不断的根据需求进行改进。 读到到这里，肯定有人会问了：不同的应用程序直接或多或少的都需要共享数据，那么使用 RavenDB 如何实现这一点呢？ 那么，我们在进行建模的时候，应该考虑我的关注点是当前值（例如 Order 文档中的当前订单配送地址）还是时间点值（例如 Order 文档的历史订单配送地址），如果是时间点值那么我们就需要进行数据冗余存储 以上几小段的内容总结下来就是建模文档的核心原则： 独立，一个文档应该独立于其他任何文档而存在，如果某个文档脱离了其他文档而不具备存在的条件，那么这个文档就不是独立的，例如 Order 文档中存在 Address
45220编辑于 2022-03-22 - 来自专栏技术一号位指南(小诚信驿站)
业务建模：重新审视建模的意义
一、读前思考问题 1.1、什么是建模 1.2、建模不建模，代码写出来有什么不一样吗？ 建模是研究系统的重要手段和前提。 (比如时间、资源、成本、用户等等因素) 分析过程：建模的本质是对于事物的抽象，方便我们理解和分析事物的本质。 1.png 2.png 2.1.3、问题答案 统一答案：建模的本质是对于事物的抽象过程，方便我们理解和分析事物的本质 行业答案：建模的本质是基于当前事物域问题，通过实际经验，进行事物本质(元素和元素之间关系 2.1.4、案例 2.1.4.1、未建模前 image.png 2.1.4.2、建模以后 image.png image.png 2.2、问题二 2.2.1、问题答案 正确答案和理论、实际代码会有体现上不一样
4.1K543编辑于 2022-05-28 - 来自专栏喵叔's 专栏
RavenDB 文档建模--RavenDB 高级建模方案
上篇文章讲解了标准业务数据的建模方案，但是在实际项目中还存在非标准方案来解决大量复杂的数据结构，那么本篇文章就来讲讲。 根据建模基本原则这样设计出来的文档不符合独立性和连贯性，这样做也没有任何意义（如果把全国34个省级区域写入库中就需要有34个文档）。 "BJ":"北京", "HN":"河南", "HAN":"海南", "HUN":"湖南", "SH":"上海" } 上面这种对 Reference data 建模的方式有如下几个有点 在 RavenDB 中对时态数据进行建模的方法是 完全接受其文档性质 ，因为在大多数时态域中，文档和视图随时间变化的概念非常重要。 以这个为例，我来讲解一下，当将数据建模为物理文档时，我们不需要将工资存根建模为可变实体，而是将时间点视图建模。在其涵盖的时间范围内所做的任何更改都将反映下一个月的工资单中。
79740编辑于 2022-03-22 - 来自专栏chimchim要努力变强啊
数仓建模—国产建模工具神器
数仓建模—国产建模工具神器 常见的建模工具有： PowerDesigner、CA ERwin、Rational Rose、Visio、Datablau(数语科技) DDM、Enterprise Architect 第三个（公开发行名称）：CHINER: CHINESE Entity Relation(国产实体关系图工具)，为方便国内普及，中文名称为：元数建模，也作:"CHINER[元数建模]"公开使用。
1.3K40编辑于 2022-11-13 - 来自专栏好好学习
【UML建模】（3） UML建模之类图
在UML中，类表达成一个有三个分隔区的矩形。其中顶端显示类名，中间显示类的属性，尾端显示类的操作。
2.3K12编辑于 2022-03-31 - 来自专栏五分钟学大数据
通俗易懂数仓建模—Inmon范式建模与Kimball维度建模
今天我们就来聊下这两种建模方式——范式建模和维度建模。 本文开始先简单理解两种建模的核心思想，然后根据一个具体的例子，分别使用这两种建模方式进行建模，大家便会一目了然！ 二、两种建模实践 通过上一小节两种建模核心思想，相信大家对这两种建模方式已经有了大概的理解，接下来我们通过具体的例子，让大家有具体的感受。 而范式建模就不会出现这个问题，因为在范式建模中强调的就是实体-关系模型，所以省份和城市之间一定存在归属关系的，不会出现省份和城市口径不一致的问题。 所以，范式建模能保证口径的一致性，而维度建模不能！ 四、两种建模混合场景 通过以上几个小节我们已经理解了范式建模与维度建模的思想以及它们之间的异同，优缺点。那么我们能不能将两种建模方式混合使用呢，让它们发挥各自最大的优势。接下来我们一起来看下。 范式建模必须符合准三范式设计规范，如果使用混合建模，则源表也需要符合范式建模的限制，即源数据须为操作型或事务型系统的数据。
3.4K11发布于 2021-04-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号