- 授权协议: Apache
- 开发语言: Python
- 操作系统: 跨平台
- 软件首页: https://github.com/tensorflow/ranking
- 软件文档: https://github.com/tensorflow/ranking
- 官方下载: https://github.com/tensorflow/ranking
软件介绍
谷歌 AI 发布了最新成果 TF-Ranking，它是一个专门针对排序学习（learning-to-rank）应用的可扩展 TensorFlow 库。TF-Ranking 快速且易用，并能创建高质量的排序模型，对构建 web 搜索或新闻推荐等基于真实世界数据的排序系统感兴趣的人，都可以将 TF-Ranking 作为强稳的、可扩展的解决方案。
TF-Ranking 提供了一个统一的框架，该框架包括一套最先进的排序学习算法，并且支持 Pairwise 和 Listwise 损失函数、多项目评分、排序度量优化和无偏见排序等等。
TF-Ranking 快速且易用，并能创建高质量的排序模型。该统一框架让机器学习研究人员、实践者和爱好者能够在单个库中评估和选择一系列不同的排序模型。此外，谷歌 AI 团队坚信一个有用的开源库，它的关键不仅在于提供合理的默认值（sensible default），而且还在于能够授权用户开发自定义模型。为此，他们提供了灵活的 API，让用户可以在 API 中定义和插入自定义的损失函数、评分函数和指标。
以匠心，致设计：网易 UEDC 用户体验设计
网易用户体验设计中心 / 电子工业出版社 / 2018-8 / 95.00元
为什么网易云音乐的体验流畅细腻、富有温度？为什么网易严选App的UI设计让人感到温馨、舒适？为什么网易蜗牛读书App的界面设计让用户爱不释手…… 《以匠心，致设计：网易 UEDC 用户体验设计》是网易用户体验设计团队对自身过去的设计思考的精心总结，最大程度还原了网易产品背后的设计故事，内容涵盖设计基础、设计实践、方法思考、成长指南四章，借助网易产品设计的实际案例具体讲述了设计师日常工作中不可......一起来看看 《以匠心，致设计：网易 UEDC 用户体验设计》 这本书的介绍吧!
