详解：估值18亿美元的美国知乎，如何使用机器学习？

5. 广告优化

2016 年，我们开始试水商业化。现在，我们在问题页面上展示和问题意图相关的广告，并用机器学习来预测广告点击率，确保我们展示的广告是和用户相关的，对广告主也有较高的价值。

我们在商业化上的机器学习尝试还处于早期，在接下来的几个月或几年中，我们会继续拓展机器学习在这个领域的应用。

除了上文列出的这些，我们还有其他机器学习系统，但篇幅所限，就不再列举了。

模型和库

我们让团队选择最好的模型和工具，但同时也在这些工具之间保持标准化和复用。

这是我们用到的一些模型(排名不分先后)：

逻辑回归(Logistic Regression)

弹性网络(Elastic Nets)

梯度提升决策树(GBDT， Gradient Boosted Decision Trees)

随机森林(Random Forests)

(深度)神经网络

LambdaMART

矩阵分解(奇异值分解、BPR、加权ALS等)

向量模型及其他NLP技术

K均值及其他聚类方法

……

我们还支持使用开源和内部库来完成工作，例如TensorFlow、sklearn、xgboost、lightgbm、RankLib、nltk等开源库，以及Quora自己的矩阵分解库QMF等内部库。

QMF详情：https://github.com/quora/qmf

机器学习平台

从 2015 年到现在，我们还有一个激动人心的发展，是形成了一个机器学习平台团队，这个团队的目标是让公司的其他机器学习工程师搞起机器学习来更容易，包括离线(模型训练)和在线(模型使用)环节。

在线方面，机器学习平台所拥有的系统能帮助机器学习工程师创建和部署高性能、高效率、高可靠性、高可用性的实时机器学习系统。

离线方面，有了机器学习平台团队的帮助，工程师们就能快速以标准化、可复用的方式建立数据管道，做特征生成、训练模型等工作。

一个专注的平台团队，帮Quora加速了机器学习开发速度，也为我们做好了扩展系统规模以处理更大的数据量的准备。

另外早在 2015 年，Quora负责工程的副总裁Xavier Amatriain就“如何在Quora中使用机器学习”写了一篇文章：Quora在 2015 年如何使用机器学习?感兴趣的小伙伴可以去 https://www.quora.com/How-does-Quora-use-machine-learning-in-2015 阅读。

（编辑：安卓应用网_ASP源码网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!