每日推荐

美国在线招聘行业和国内呈现类似的趋势,一方面在线招聘行业持续获得市场份额,在线招聘赛道2021年规模达到131亿美元,2016-2021年CAGR高达17.9%。另一方面,以ZipRecruiter为代表的基于人工智能算法的求职和招聘业务营收增长迅速,成为行业新势力。本篇,我们从行业分析、产品、商业模式等维度分析ZipRecruiter,以求对我们研究国内在线招聘平台提供启示。

摘要

美国在线招聘行业快速增长,行业竞争相对激烈。根据IBISWorld数据,美国在线招聘赛道2021年规模达到131亿美元,2016-2021年CAGR高达17.9%,在线渗透率不断提升。从企业端看,美国产业结构以服务业为主,2020年美国第三产业占GDP比重升至81.5%,其中医疗、制造和零售是核心用工行业;从需求端来看,中产阶级(年收入5万美元左右)是美国应聘者主体,且越年轻的应聘者换工作频率越高。竞争格局方面,传统平台如CareerBuilder和Monster式微,新兴模式平台LinkedIn,Indeed(Recruiter旗下)和ZipRecruiter市场份额不断提升,行业竞争较激烈。

ZipRecruiter具备技术优势,提升人岗匹配效率。在C端,公司引入人工智能助手Phil帮助应聘者通过便捷方式获取岗位信息,给予用户对招聘过程更高的掌握程度。2017年3月-2021年3月,ZipRecruiter在iOS和Android(美国)的求职app中评分连续四年排名第一。除自有渠道外,公司还和Facebook、Google等100多家平台合作拓展C端触达范围。在B端,公司同样基于大数据为企业提供精准推荐,提升招聘效率,雇主点赞率从2017年的39%提升至2020年56%。截至4Q21,公司拥有季度付费雇主数量达到14.71万,季度ARPU达到1497美元,保持稳中有升的态势。

ZipRecruiter和BOSS直聘对比。两家虽处于不同市场,但有类似业务和商业模式。从产品维度,BOSS直聘社交属性更强,竞争格局更好;从财务角度,BOSS直聘增速更快,两家都展现出较强盈利能力。

风险

宏观经济波动风险;行业竞争加剧风险。

正文

ZipRecruiter:AI驱动的在线招聘平台

公司简介:以算法推荐高效匹配求职者和雇主

ZipRecruiter成立于2010年,是专注北美市场的在线招聘平台,2021年在纽交所上市。与传统在线招聘平台不同的是ZipRecruiter使用人工智能来匹配求职者和雇主,提供个性化招聘服务。目前ZipRecruiter对美国和加拿大用户开放全部主要功能,对英国用户开放搜索并申请职位、匹配推荐合适职位的功能。根据招股书,2020年,ZipRecruiter平台中发布超过9000万个职位,拥有超过3600万活跃求职者,在美国雇主中的知名度达82%。

财务表现:收入高速增长,盈利能力显现

毛利率稳中有升,盈利能力已经显现。2019年以来,公司毛利率稳定在86%以上,并在4Q21上升至91.0%。费用管控能力优秀,2020年销售费用率明显下降主要因为疫情期间有所控制,2021年营销费用率恢复至55.4%,研发费用率为14.9%,管理费用率20.1%。2020年公司经调整EBITDA为8013万美元,实现净利润8605万美元,经营活动现金净流入8801万美元。2021年,公司经调整的EBITDA为1亿美元,实现净利润360万美元,2Q21大幅亏损主要由于经营费用的上升。2021年经营活动现金净流入1.44亿美元,投资活动现金净流出1334万美元,融资活动现金净流出928万美元。

行业概览:在线招聘崛起,招聘市场供不应求状况加剧

行业规模:美国在线招聘高速增长,预计2022年市场规模147亿美元

美国招聘和灵活用工赛道规模庞大,在线招聘赛道展现出高成长性。从大招聘赛道来看,美国招聘行业可以分为在线招聘、猎头及招聘外包、灵活用工及业务外包三大子赛道。根据IBISWorld数据,灵活用工和业务外包赛道规模最大,2021年达到1959亿美元,但整体增速较慢,2016-2021年CAGR为0.7%。其次是猎头及招聘外包,2021年行业规模达到221亿美元,2016-2021年CAGR为1.6%。而在线招聘赛道2021年规模达到131亿美元,2016-2021年CAGR高达17.9%,招聘在线渗透率逐渐提升。

供需关系:企业需求端以服务业为主,后疫情时代求人倍率迅速提升

企业需求端:以服务业为主,中小企业数量庞大

从产业结构来看,美国招聘需求以服务业为主。美国三大产业中,服务业在经济中占据重要地位,2020年美国第三产业服务业GDP高达17.065万亿美元,占GDP比重上升至81.5%,而第一产业占GDP比重不到1%,第二产业占GDP比重不到11%。2020年,美国包括农林牧渔行业的第一产业的从业人员数量为194万,包括制造业、建筑业、采矿业的第二产业的从业人员数量为2137万,第三产业从业人员数量为9237万,占总从业人员数量的80%,基本与产业占GDP的比重一致。根据IBISWorld数据,美国在线招聘行业分布中,医疗占40%位列第一,制造和零售占比30%位列第二,其次是金融和IT。

从体量来看,美国企业结构以中小企业为主。根据NAICS的统计,从年收入来看,87%的美国企业年收入低于50万美元,年收入低于100万美元的企业共占比超过92%,构成美国企业结构的主体部分,年收入高于1亿美元的美国企业共占比0.22%,年收入高于10亿美元的美国大型企业有5409家,占比仅为0.03%。从员工数量来看,79%的美国企业员工人数低于5人,员工人数低于50人的中小型企业占比超过98%,超过1000个员工的大中型企业共23865家,占比仅为0.15%。

人才供给端:离职潮叠加换工作频率提高,供给未恢复至疫情前水平

疫情短暂地抑制了就业市场,居家工作方式使得候选人突破地理限制。受新冠疫情影响,2020年2月-4月美国就业人数断崖式下跌,从1.53亿下跌至1.31亿,新冠疫情大幅抑制了就业市场,结束了美国10年的就业增长。2021年开始,美国就业市场逐渐恢复,就业人数开始加速回升,2021年1月就业人数回升至1.5亿,接近疫情前的水平。此外疫情期间居家工作成为主流,候选人的筛选标准突破了地理限制,这使得候选人数量激增,对招聘效率提出了更高的要求。

收入分布方面,中产阶级构为美国社会主体。根据美国人口调查局数据,2020年美国实际个人收入中位数为3.58万美元。根据Statista的数据,2020年67%的美国家庭收入低于10万美元,10%的美国家庭收入高于20万美元。根据AverageSalarySurvey的调查,截至2022年3月,44.3%的被调查者个人薪酬在5-10万美元,超过70%的个人薪酬集中在10万美元以下,薪酬高于15万美元的人仅占11%。由此可见,年均收入约为5万美元的中产阶级构成美国家庭社会主体。

年龄结构方面,越年轻换工作越频繁。根据美国劳工统计局2020年的调查,超过20%的在职美国人,即超过4000万人,每年都会换工作。按年龄段划分,美国劳动者在当前工作的任职年限与年龄成正比,追求自由、个性化工作的年轻人更频繁换工作,18-24岁的美国年轻人在当前工作任职时长的中位数是1年左右,而55岁以上的美国人的任职时长中位数是10年左右。我们认为虽然随着年龄增长,或许更多人追求稳定的工作,但新一代人口逐渐成为就业市场的主力军,加上招聘匹配效率的提升,将共同推动招聘市场供给的增长,反过来继续拓展招聘平台的使用场景。

供需结构:人才供不应求趋势凸显

2011年以来职位空缺率持续攀升。2011年以来,美国职位空缺数量持续提升,职位空缺率也显著提升。2020年开始的新冠疫情造成企业的招聘需求断崖式下跌,美国职位空缺数量自2020年1月开始显著下降,在2020年4月达到最低点463万,职位空缺率跌至2015年以来最低水平3.4%;此后快速回升,2021年招聘活动大幅增加,美国劳工统计局的数据显示,2021年1月-12月,美国空缺职位数量从710万增加至1093万,职位空缺率从4.7%提升至6.8%,4月和5月美国的就业机会比疫情前增加了30%以上,经济快速复苏时期,企业主招聘人才供不应求的状况更加凸显。

招聘平台竞争格局:技术平台替代传统平台趋势显著

美国在线招聘平台众多。美国主要招聘平台包括LinkedIn、Indeed、Glassdoor、Monster、CareerBuilder等。其中,LinkedIn是全球最大的职业社交网络平台,在全国200个国家和地区拥有超过7.4亿会员;Indeed专注于抓取和聚合招聘内容,每月独立访客超过2.5亿;Glassdoor以用户点评雇主为特色,每月独立访客超过5000万;CareerBuilder在美国、加拿大、欧洲、亚洲均设立办事处,每月独立访客超过2400万;ZipRecruiter以人工智能匹配技术为优势,提供个性化招聘服务,活跃求职者超过3600万。规模较小的平台往往倾向于有针对性的招聘需求:Snagajob专注于小时工和轮班工作;Ladders针对高质量和经验丰富的候选人、高薪岗位;FlexJobs针对灵活职位或远程职位。

传统招聘平台式微,新兴模式崛起。传统的招聘平台如Monster和CareerBuilder开始式微,CareerBuilder2020年收入8.4亿美元,其中美国在线招聘部分5.8亿美元,同比增长仅1.9%。而新兴模式则仍然保持较快增速,其中LinkedIn2020年收入80.5亿美元(全球),占据在线招聘市场半壁江山,Indeed和Glassdoor共收入38.6亿美元,成为母公司Recruit核心增长引擎。而基于AI智能匹配平台ZipRecruiter在2021年营收达到7.4亿美元,同比增长77%,显示了行业从运营驱动到技术驱动转变的核心趋势。

公司分析:打造差异化技术优势,颠覆B端C端体验

业务模式:创新在线招聘模式,算法匹配B端C端

传统在线招聘平台是求职者简历和雇主招聘需求的集成中心。传统在线招聘平台是一个典型双边网络,招聘者是买方/需求方,应聘者是卖方/供给方。招聘者的人才需求、应聘者自身的才华能力属性模糊、难以量化,且处在不断的发展和变化中,因此求职者与雇主的匹配难度大、匹配效率低。在传统在线招聘平台中,应聘者上传简历、搜索职位,招聘者发布招聘需求、筛选候选人,而平台处于被动位置,平台的人才库和职位库由简历和招聘需求汇集而成,求职者和雇主需要主动在平台中搜索、筛选,进行人工匹配,求职和招聘过程繁琐、低效。

ZipRecruiter用人工智能直接匹配求职者和雇主。ZipRecruiter在汇集求职者简历和雇主招聘需求的基础上做出了突破,主动发挥平台作用,基于人才库和职位库的信息、求职者和雇主的数据,用人工智能算法匹配求职者和雇主,对求职者和雇主进行精准推荐,求职者和雇主的繁琐工作被平台取代,使得求职和招聘过程变得高效、快捷。

C端:个性化求职服务全面改善求职体验

人工智能助手Phil简化求职体验

人工智能助手Phil最低化求职门槛。2Q21,ZipRecruiter推出24/7全天候工作的人工智能机器人Phill,朝着成为求职者的私人求职服务人员迈出了一大步,为求职者提供个性化求职服务。求职者只需申请注册即可使用Phil,需要填写的基本信息包括姓名、联系方式、期望职位地址、期望最低工资、工作经历、教育经历。注册后,Phil将根据求职者基本信息和互动数据来匹配职位库中的工作,Phil平均每月发送6500多万条信息,为求职者推荐与其技能和经验匹配的工作。同时,Phil还会在雇主发布新职位后,通过匹配技术向其推荐合适的求职者,雇主可以使用InvitetoApply功能直接邀请求职者申请职位。求职者可以通过“竖起大拇指”(点赞)来表达对Phil推荐的工作的满意程度,基于求职者个人信息和与它的互动数据,Phil可以不断自我改进,为求职者提供越来越精准的职位推荐。

Insights展现与职位匹配程度。基于人工智能匹配技术,ZipRecruiter还推出新功能Insights,求职者可以在职位描述上看到一个匹配的分数——GreatMatch,GoodMatch,FairMatch,NotaMatch,以获知自己的技能和经验与雇主的需求的匹配程度,鼓励求职者申请更可能得到积极回应的职位,提升求职体验。从C端体验来看,ZipRecruiter认为C端应聘者最讨厌的是求职“黑洞”体验——即投完简历后没有任何反馈,由此,公司产品会在多方面为用户提供招聘流程“一切尽在掌握”的感觉。

拥有众多合作平台,拓展C端触达。实际上,ZipRecruiter在发展初期采用的是类似SaaS的模式,主要以服务ToB企业端客户为主,C端主要采取和外部渠道合作模式。然而,随着公司规模不断拓展,公司也不断面临外部渠道提价的局面,由此意识到C端资源的宝贵,因此开始大力拓展自有的C端资源。由此形成了当下合作和自有C端矩阵并存的局面。目前公司合作发布职位信息平台有超过100个,求职者可以在Google、U.S.News、Patch、Trovit、Lensa等招聘网站、新闻网站和LinkedIn、Facebook、Twitter等社交平台上看到ZipRecruiter空缺职位信息。2020年,ZipRecruiter拥有超过3600万活跃的求职者,已有1.1亿求职者使用过ZipRecruiter;2021年,ZipRecruiter拥有超过3500万活跃的求职者。典型合作案例如下:

2021年8月,ZipRecruiter与Facebook展开合作,Facebook的学习证书可以上传至ZipRecruiter的个人资料中,通过Facebook在线学习课程获得认证的求职者可以访问由ZipRecruiter支持的网站,并且面向通过Facebook计划获得技能认证的求职者提供专门的工作机会。

2021年11月,ZipRecruiter与Worthi整合,Worthi帮助求职者了解并获得过渡到新行业所需的技能,将求职者与在线学习机会联系起来,通过与ZipRecruiter的集成,Worthi用户还可以查看与其新获得的技能匹配的空缺职位,包括工作职责、薪水等详细信息。

ZipRecruiter与美国最大的人力资源平台之一Workday集成后,求职者可以在ZipRecruiter上申请Workday客户发布的工作。

与世界上最大的ATS之一Oracle的Taleo全面整合,求职者可以在ZipRecruiter上申请在Taleo客户发布的工作,这将减少求职者在不同平台申请的摩擦。

B端:主动推荐优秀候选人,招聘效率不断提升

快速匹配、高效审查,匹配算法助力智能招聘

ZipRecruiter利用匹配算法帮助雇主抢占优秀求职者。基于SaaS模式发展的ZipRecruiter随着规模不断拓展,简单给企业递送简历反而可能给企业造成负担(简历数量太多),于是公司开始引进智能推荐,用来提升匹配效率,降低B端企业招聘工作负担。与C端类似,雇主在ZipRecruiter中发布职位需求后即可将寻找候选人的工作交给ZipRecruiter的匹配算法,不需要亲自对候选人进行审查、筛选工作,而可被动收到平台推荐的求职者投递的简历、以及向平台推荐的求职者发送投递简历的邀请,从而让职位需求快速触达优秀的候选人。相较于传统的在线招聘模式,雇主在ZipRecruiter中可以更加精准地接触与职位相匹配的求职者,无需在大量的申请者挑选合适的候选人,招聘效率得到提升。根据ZipRecruiter和Zippia数据,ZipRecruiter的数据库中有超过3100万份简历,超过330万家企业使用过ZipRecruiter,80%的雇主在发布职位后的一天内即与优质候选人匹配。

快速匹配优秀候选人,高效审查申请者。雇主在ZipRecruiter上发布职位需求后,将体验ZipRecruiter提供的智能招聘过程:1)职位分发:发布在ZipRecruiter上的职位需求会被分发到100多个与ZipRecruiter合作的求职、社交网络、搜索引擎等种类的网站上,使职位需求信息快速触达广泛的求职者群体。2)AI匹配:ZipRecruiter的匹配技术会扫描平台上的求职者简历,为雇主寻找合适的候选人并提醒他们投递简历申请该职位,并且立即向雇主展示平台中最有潜力的候选人名单。当雇主给予求职者“竖起大拇指”评级(点赞)后,ZipRecruiter的匹配算法会搜索与该求职者有相似简历的其他求职者,随着互动数据的不断丰富,匹配算法可以提供越来越精准的推荐。除了即时匹配,雇主还可以使用2Q21推出的InvitetoApply功能邀请特定的求职者申请他们的职位。3)在ATS中管理候选人:来自所有不同网站的求职者都会被记录在ZipRecruiterATS中,雇主可以在ATS中审查、评估并最终决定雇佣哪位候选人。ZipRecruiter的智能仪表盘帮助雇主对候选人进行排序、审查、评分。对于已经使用第三方ATS的雇主,ZipRecruiter会无缝地将候选人填充到现有的流程中。

付费雇主数量和金额均持续提升。ZipRecruiter产生收入的客户群可以被量化为付费雇主数量,2021年以来付费雇主数量快速提升,4Q21付费雇主数量达到14.7万。平均付费雇主收入为给定时期的总收入除以同一时期的季度付费雇主数量,除了2Q20受新冠影响,1Q18-4Q20平均付费雇主收入持续增加,4Q21达到1497美元。随着更多雇主使用ZipRecruiter招聘并且感受到人工智能匹配技术带来的高效,雇主的付费意愿会进一步提高,雇主也会更愿意购买ZipRecruiter的招聘服务产品,付费雇主数量和平均付费雇主贡献的收入将获得持续的增长,为收入增长带来强劲动力。

核心优势:人工智能匹配技术革新在线招聘方式

功能不断演进,人工智能+用户数据形成网络效应。ZipRecruiter的开发团队不断改进和扩展APP、ATS的功能,推进匹配算法的改进,截至2020年12月31日,其技术部门拥有223名工程师、产品经理和数据科学家。ZipRecruiter打造优秀的人工智能匹配技术,对求职者和雇主的基本信息、互动数据进行建模和分析,连接求职者和雇主。3Q21,ZipRecruiter推出新的匹配引擎,采用多个标准(包括求职者与职位的匹配程度、求职者的申请历史、求职者是否收到申请邀请等),自动为匹配的工作设置优先级,带来更高的参与度、满意度和留存率。更好的匹配技术会使更多的求职者进入平台,吸引更多的雇主,平台上的就业机会增加,求职者与雇主的互动数据增多,匹配技术更加高效,形成网络效应。

重视技术投资,算法质量提升。ZipRecruiter在研发方面加大投资,以改进匹配技术,研发费用具有上升趋势,2021年研发费用1.1亿美元,同增59.2%,研发费用率15%;4Q21研发费用2839万美元,同增66.9%,研发费用率13%。雇主点赞率从2017年12月的39%上升到2020年12月的56%,体现匹配算法质量的提高。

从产品和财务看BOSS直聘VSZipRecruiter

结合前文分析,从行业、产品定位和商业模式来看,ZipRecruiter和Boss直聘拥有一定相似性。比如两者都属于中美两国招聘市场快速增长的在线招聘平台,都基于大数据AI技术提升招聘领域人岗匹配的效率,都抢先弥补了中小企业的招聘需求空白市场,都有按效果计费的商业模式。本章,我们将从产品和财务两个方向探讨ZipRecruiter和Boss的异同。

产品比较:BOSS社交属性更强,竞争格局更优

BOSS直聘社交属性更强。BOSS直聘的招聘模式以社交为核心,产品模式为直聊+推荐,求职者和雇主可以在平台上直接进行即时交流,鼓励除HR以外的不同角色的雇主加入招聘流程,增强B端C端的信息互通,同时通过人工智能匹配为用户做出推荐。ZipRecruiter的核心是人工智能匹配。与BOSS直聘不同,ZipRecruiter专注于用人工智能匹配求职者和雇主,基于人工智能助手Phil的互动形式,强调算法的作用,对求职者和雇主进行精准的推荐和匹配,使得求职和招聘过程变得高效、快捷。BOSS直聘方式把更多决策空间留给用户和雇主的沟通环节,同时也有利于平台沉淀更多有价值的数据。而ZipRecruiter则将简单易用,快捷高效做到极致,尝试“一键”解决企业招聘和应聘者求职的问题。

BOSS直聘竞争格局更优。ZipRecruiter代表美国在线招聘市场今年增速最快的平台之一,虽然目前来看,其模式还有较大增长空间,但长期来看,其仍然面临例如LinkedIn、Recruit(旗下Indeed)等强大竞争对手。反观BOSS直聘,其相对竞争格局更优,其模式较新,规模和行业知名度也不断提升,相对传统对手优势在不断拉大,长期有希望争取更大市场份额。

财务比较:招聘业务兼具成长性和盈利性

1)BOSS直聘和ZipRecruiter收入呈现高增长趋势,2021年ZipRecruiter收入7.4亿美元,BOSS直聘收入42.6亿元。从收入增速来看,BOSS连续2年展现接近100%高增速,而ZipRecruiter在2020受疫情影响,2021年恢复高速增长。2)BOSS直聘和ZipRecruiter毛利率高且仍在提升,费用管控能力优秀。两家都保持较高毛利率,BOSS直聘毛利率从2019年的86.2%提升至2020年的87.7%,2021年毛利率87.0%;自2019年以来,ZipRecruiter毛利率稳定在86%以上,并且在2021年上升至89.3%。3)BOSS直聘2Q21实现盈利,ZipRecruiter2020年经调整EBITDA翻正。随着毛利率提升和费用率下降,两家都处于盈利状态,显示了招聘业务较好的盈利性,2Q21BOSS直聘实现盈利,2021年经调整净利润为8.5亿元,经调整净利润率为20%。2020年,ZipRecruiter经调整EBITDA转负为正为0.2亿美元,2Q21亏损主要因经营费用的上升,4Q21经调整EBITDA为0.48亿美元。

风险因素

主要风险:宏观经济波动风险;行业竞争加剧风险

行业竞争加剧风险:美国在线招聘行业竞争格局分散,竞争激烈,激烈的竞争可能带来损失市场份额风险。

THE END
1.智能推荐算法优化与实施方案智能推荐算法优化与实施方案 下载积分: 900 内容提示: 智能推荐算法优化与实施方案 第一章 智能推荐算法概述 3 1.1 推荐系统的发展历程 https://www.doc88.com/p-90020594417462.html
2.推荐系统算法实战:从协同过滤到深度学习的架构演进推荐系统是一种信息过滤系统,它可以帮助用户发现和推荐他们可能感兴趣的内容,如商品、音乐、视频等。推荐系统可以分为多个类型,其中基于内容的推荐和协同过滤是比较常见的方法。 协同过滤推荐算法 协同过滤是一种常用的推荐系统算法,它基于用户对项目的评价来发现用户之间的相似性,并利用这种相似性来推荐项目。协同过滤又https://www.jianshu.com/p/8d3164c44113
3.一文入门个性化联邦推荐系统腾讯云开发者社区论文试图解决的问题是设计一个新的联邦学习框架来解决社交推荐任务中的挑战。具体而言,论文关注的问题包括异构性、个性化和隐私保护。异构性指的是联邦推荐系统需要同时存储并融合用户-用户和用户-物品之间的交互关系。个性化指的是每个客户端具有特定的物品兴趣和社交连接,导致本地数据的非独立同分布分布,模型需要能够对https://cloud.tencent.com/developer/article/2477846
4.常用的几种推荐算法介绍本文详细介绍了个性化推荐系统中的各种推荐算法,包括基于内容、协同过滤、关联规则、效用推荐、知识推荐、上下文推荐和深度学习等,并对比了UserCF和ItemCF的优缺点,适用于电商、资讯、音乐、短视频等领域。 摘要由CSDN通过智能技术生成 个性化推荐(推荐系统)经历了多年的发展,已经成为互联网产品的标配,也是 AI 成功落地的https://blog.csdn.net/leyang0910/article/details/135395507
5.基于图计算技术的在线教育平台推荐算法研究和实现二部图算法 推荐系统 图计算 个性化教育 协同过滤https://cdmd.cnki.com.cn/Article/CDMD-10248-1019684600.htm
6.推荐算法简历模板下载推荐算法简历在线制作简历网(www.jianli.com)提供推荐算法简历模板下载,可轻松在线设计适合推荐算法求职的简历模板,快速制作电子版,免费导出,同时提供推荐算法简历模板范文及推荐算法简历怎么写等简历攻略!https://www.jianli.com/resumelist/tjsf/
7.美团短视频推荐算法工程师招聘(工资待遇要求)北京三快在线科技有限美团短视频推荐算法工程师招聘(北京三快在线科技有限公司):根据算法统计,美团短视频推荐算法工程师工资拿50K以上占75%,招聘经验要求3-5年经验占比最多,要求一般,招聘学历要求本科学历占比最多,要求一般,更多短视频推荐算法工程师招聘,请上职友集。https://www.jobui.com/company/12214432/salary/j/duanshipintuijiansuanfagongchengshi/
8.基于群组推荐的在线学习系统研究与实现推荐算法可以帮助用户推荐合适的学习资源,但是,群组推荐算法,不仅需要考虑单个用户的偏好,同时需要考虑群组内其他用户的偏好,推荐结果需要尽可能满足群组所有用户。本文以在线学习系统为研究目标,针对以上问题,开展深入的研究,主要的内容与创新点如下:(1)针对在线学习系统具有众多不同风格用户的特点,本文提出一种用户自适应https://wap.cnki.net/lunwen-1020029236.html
9.日常动漫在线观看,流行的娱乐方式之选新闻动态高清画质和流畅的播放是动漫在线观看不可或缺的一部分,许多在线动漫平台提供了高清画质选择,确保观众能够享受到清晰的画面和细腻的动画效果,流畅的播放则保证了观看体验不会被卡顿或缓冲所打断,让观众能够完全沉浸在动漫的世界中。 智能推荐与个性化推荐算法 https://www.mulinrujiao.com/post/12.html
10.蚂蚁金服核心技术:百亿特征实时推荐算法揭秘阿里妹导读:本文来自蚂蚁金服人工智能部认知计算组的基础算法团队,文章提出一整套创新算法与架构,通过对TensorFlow底层的弹性改造,解决了在线学习的弹性特征伸缩和稳定性问题,并以GroupLasso和特征在线频次过滤等自研算法优化了模型稀疏性,在支付宝核心推荐业务获得了uvctr的显著提升,并较大地提升了链路效率。 https://maimai.cn/article/detail?fid=1010621115&efid=mIQCHnkj0zjxlpygUmo5mg
11.美团推荐算法工程师面试题8道4) 在训练神经网络时,通常都会选择小批量梯度下降算法。 SGD方法中的高方差振荡使得网络很难稳定收敛,所以有研究者提出了一种称为动量(Momentum)的技术,通过优化相关方向的训练和弱化无关方向的振荡,来加速SGD训练。 Nesterov梯度加速法,通过使网络更新与误差函数的斜率相适应,并依次加速SGD,也可根据每个参数的重要性https://ask.julyedu.com/detail?id=99017
12.funrec/readme.mdatmaster·SYIX/funFunRec-在线阅读 本教程主要是针对具有机器学习基础并想找推荐算法岗位的同学。教程内容由推荐系统概述、推荐算法基础、推荐系统实战和推荐系统面经四个部分组成。本教程对于入门推荐算法的同学来说,可以从推荐算法的基础到实战再到面试,形成一个闭环。每个部分的详细内容如下: 推荐系统概述。 这部分内容会从推荐系统的https://github.com/SYIX/fun-rec/blob/master/readme.md
13.强化学习与多任务推荐表2 结果证明,TSCAC 方法不仅在主目标 WatchTime 显著优于其他算法,并且在Click,Like,Comment 等指标也取得了最好的效果。注意到 Pareto 优化方法没有主次之分,学到降低 Hate 的一个 pareto 最优点,但是主目标相比 BC 算法负向。 4、在线实验 我们在快手短视频推荐系统进行在线 A/B 实验,基线为 Learning tohttps://www.51cto.com/article/772510.html
14.知道RSS的人越少,我就越希望它能被人知道!1.2 拒绝推荐算法 RSS 的核心是资讯聚合,但远不止此 时至2021年,订阅这种行为,早已不再纯粹,而是被大量的「推荐算法」所侵占 如今只要是个APP,就会被加入「视频流」功能,算是一个很好的例子 不否认推荐算法能有助于我们节约时间,快速发现更多自己感兴趣的内容 https://www.douban.com/note/806636744/
15.九章算法九章算法致力于让顶尖的工程师在线传授最优质的计算机课程,帮助更多程序员找到好工作http://jiuzhang.com/
16.MCA2024升级内容马士兵教育官网本项目基于 Lambda架构的离线与实时计算框架对用户行为数据、业务数据进行采集构建用户画像与商品画像,使用相关推荐算法预测用于与商品之间的关系,为用户进行更加智能的商品推荐。项目中涉及全量、增量业务数据同步、离线用户与商品画像、在线实时召回及热门召回计算,通过Dubbo对外提供推荐服务。整个推荐服务涉及业务库、日志系统https://www.mashibing.com/white_paper/mca
17.短视频内容算法:如何在算法推荐时代引爆短视频.pdf张佳免费在线预览全文 算法推荐时代,内容创作方法论比任何时候都重要。一种与传统逻辑全然不同,却主宰着当今大部分数据流量的游戏规则——基于算法的内容推荐分发,已是大势所趋。如何掘金新流量机会?新战场的游戏规则是什么?什么才是掌控短视频分发“看不见的手”?本书从传播学、心理学、信息学等多学科角度出发,结合一线https://max.book118.com/html/2021/0507/5213132144003224.shtm