<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>推荐理由 on 知识铺的博客</title>
    <link>https://index.zshipu.com/geek/tags/%E6%8E%A8%E8%8D%90%E7%90%86%E7%94%B1/</link>
    <description>Recent content in 推荐理由 on 知识铺的博客</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>zh-CN</language>
    <lastBuildDate>Tue, 15 Mar 2022 10:02:16 +0800</lastBuildDate>
    <atom:link href="https://index.zshipu.com/geek/tags/%E6%8E%A8%E8%8D%90%E7%90%86%E7%94%B1/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>为推荐系统生成高质量的文本解释基于互注意力机制的多任务学习模型</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%B8%BA%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E7%94%9F%E6%88%90%E9%AB%98%E8%B4%A8%E9%87%8F%E7%9A%84%E6%96%87%E6%9C%AC%E8%A7%A3%E9%87%8A%E5%9F%BA%E4%BA%8E%E4%BA%92%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6%E7%9A%84%E5%A4%9A%E4%BB%BB%E5%8A%A1%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B/</link>
      <pubDate>Tue, 15 Mar 2022 10:02:16 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%B8%BA%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E7%94%9F%E6%88%90%E9%AB%98%E8%B4%A8%E9%87%8F%E7%9A%84%E6%96%87%E6%9C%AC%E8%A7%A3%E9%87%8A%E5%9F%BA%E4%BA%8E%E4%BA%92%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6%E7%9A%84%E5%A4%9A%E4%BB%BB%E5%8A%A1%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B/</guid>
      <description>转自： 微软研究院AI头条 编者按：在个性化推荐系统中，如果能在提高推荐准确性的同时生成高质量的文本解释，将更容易获得用户的“芳心”。然而，现有方法通常将两者分开优化，或只优化其中一个目标。为了同时兼顾二者，微软亚洲研究院社会计算组结合认知科学的相关理论，提出了基于互注意力的多任务模</description>
    </item>
    <item>
      <title>让推荐系统会说话达观数据推荐理由设计实践</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%AE%A9%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E4%BC%9A%E8%AF%B4%E8%AF%9D%E8%BE%BE%E8%A7%82%E6%95%B0%E6%8D%AE%E6%8E%A8%E8%8D%90%E7%90%86%E7%94%B1%E8%AE%BE%E8%AE%A1%E5%AE%9E%E8%B7%B5/</link>
      <pubDate>Tue, 15 Mar 2022 09:06:38 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%AE%A9%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E4%BC%9A%E8%AF%B4%E8%AF%9D%E8%BE%BE%E8%A7%82%E6%95%B0%E6%8D%AE%E6%8E%A8%E8%8D%90%E7%90%86%E7%94%B1%E8%AE%BE%E8%AE%A1%E5%AE%9E%E8%B7%B5/</guid>
      <description>达观数据 张健 达观数据 前言 推荐系统对于处于信息爆炸时代的我们来说并不陌生。在日常生活中，我们使用到推荐系统提供的各种服务，在社交工具上认识志同道合的朋友，到音乐网站中欣赏自己感兴趣的音乐作品，从一大堆企业岗位信息中挑选出一份称心如意的工作等等。 一个优秀的推荐系统能像朋友一样理解用户</description>
    </item>
  </channel>
</rss>
