“这是机器学习怎么帮助推荐应用的做法”

机器学习是大多数人不能完全理解的东西。 这很模糊。 因为人脑无法真正明确计算机是如何读取和执行的。 简言之，机器学习是机器采用的统计模型和算法的研究。 机器是指移动设备或计算机。 因此，我们以高端智能手机为目标。 因为我们正在研究如何让谷歌play商店的客户查看和发现可能相关的新应用程序。

在人工智能( ai )方面，deepmind一直在帮助谷歌。 实际上是年收购的谷歌公司，致力于开发ai和相关技术。 这家搜索巨头最近详细证明了ai在play商店提供了推荐的作用。

谷歌多年来一直在实施deepmind的技术。 改进了商店为客户寻找应用程序的方式，选择了更相关的应用程序。 他们现在也更有个性。

多年来，play store的发现系统得到了改善。 该系统为谷歌和客户提供了帮助。 事实上，应用程序开发人员也从这个系统中受益。

全世界有数十亿安卓用户。 这是因为应用程序不容易销售。 如果你是开发者的话，想宣传应用是理所当然的。 应用程序的提案很有用，但是机器学习是如何做到这一点的呢？ 很简单。 机器会确认过去客户的喜好。

机器学习可以与玩家商店合作来改善系统。 目标是关联性。 谷歌播放有推荐系统。 该系统包括候选生成器、秩变换器和用于优化多个目标的模型。 所有这些业务都可以预测各个领域的喜好，以便在需要时向客户提供候选人。

deepmind为谷歌play引入了长期短期模型( lstm )。 虽然可以知道这是长时间的依赖性，但是有时可能会延迟。 然后被具有增强模型性能的“transformer”模型所代替。 通过观察包括印象和安装率在内的重要印象的权重，可以消除偏差。

本文：《“这是机器学习怎么帮助推荐应用的做法”》