会员
周边
众包
新闻
博问
闪存
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
_1024
Powered by
博客园
博客园
|
首页
|
新随笔
|
联系
|
订阅
|
管理
上一页
1
2
3
4
5
6
7
8
下一页
2017年5月21日
【论文阅读-REC】<<Collaborative Filtering for Implicit Feedback Datasets>>阅读
摘要: 摘要: 以前的推荐使用用户的明确反馈,我们使用隐反馈; 文中方法优化过程和数据量呈线性关系;可以很好地和已有系统融合; 我们讲给出一个方法的解释。 1、介绍 1)电子商务对推荐要求很大 2)传统的推荐方法: 一、基于内容,缺点:数据不好搜集 二、协同过滤:优点:领域无关,可以捕获基于内容难以获得的信
阅读全文
posted @ 2017-05-21 02:46 _1024
阅读(417)
评论(0)
推荐(0)
编辑
2017年5月19日
【论文阅读-CTR】<<Deep Learning over Multi-filed Categorical Data -A Case Study On User Response Prediction>>阅读
摘要: 摘要: 用户反馈预估是搜素、推荐、广告的核心问题;其特征都是多域的分类和数值特征,难以利用; 常用的方法是线性模型+人工特征组合来预估; 本文通过FNN(基于FM)和SNN(基于RBM和DAE)来预估。 1、介绍 常用的ctr预估模型: 1)线性模型:LR->NB->FTRLLR->Bayesian
阅读全文
posted @ 2017-05-19 00:43 _1024
阅读(162)
评论(0)
推荐(0)
编辑
2017年5月7日
【论文阅读-REC】<<Recommending music on Spotify with deep learing>>阅读
摘要: 1、协同过滤 协同过滤不使用item的具体信息,因此可适用性很强,在书籍、电影、音乐上都可用; 协同过滤不适用item的具体信息,因此强者愈强; 冷启动问题无法解决 2、基于内容的推荐 使用声音信号推荐 3、用DL预估偏好 把用户和music各表示成vec 4、提升效率 输入:每个audio,切割成
阅读全文
posted @ 2017-05-07 13:40 _1024
阅读(160)
评论(0)
推荐(0)
编辑
【论文阅读-REC】<<DEEP NEURAL NETWORKS FOR YOUTUBE RECOMMENDATIONS>>阅读
摘要: 1、介绍: YouTube推荐的挑战: scale:很多算法在小数据有用,在youtube无用; freshness:需要对对新上传视频足够敏感; noisy:没有真实的用户反馈;缺少结构化的数据 2、skip 3、候选生成: 之前的模型是基于矩阵分解;YouTube的DL模型的前几层就是使用神经网
阅读全文
posted @ 2017-05-07 01:37 _1024
阅读(204)
评论(0)
推荐(0)
编辑
【论文阅读-REC】<<Deep Neural Networks for Youtube Recommendations>>阅读
摘要: 1、介绍: YouTube推荐的挑战: scale:很多算法在小数据有用,在youtube无用; freshness:需要对对新上传视频足够敏感; noisy:没有真实的用户反馈;缺少结构化的数据 2、skip 3、候选生成: 之前的模型是基于矩阵分解;YouTube的DL模型的前几层就是使用神经网
阅读全文
posted @ 2017-05-07 01:32 _1024
阅读(169)
评论(0)
推荐(0)
编辑
2016年12月11日
ML基础05-相似检索
摘要: 这篇准备说一说,快速检索的问题。
阅读全文
posted @ 2016-12-11 17:00 _1024
阅读(139)
评论(0)
推荐(0)
编辑
2016年12月10日
基础模型08-HMM/MEMM/CRF/LSTM+CRF
摘要: 这篇准备讲HMM/MEMM/CRF/LSTM+CRF在分词、序列标注、NER任务上的应用。 重点讲一下LSTM+CRF中的CRF源码理解。
阅读全文
posted @ 2016-12-10 22:55 _1024
阅读(194)
评论(0)
推荐(0)
编辑
数学基础03-信息论基础(信息熵、条件熵、互信息/信息增益、联合熵、相对熵/KL散度、交叉熵)
摘要: 机器学习中,信息论中的各种熵在多次出现(最大熵模型、CRF、广义线性模型中以及分类问题中损失中的交叉熵,t-SNE、GAN中使用的KL散度等),这里做一个简单总结。 1、信息量 定义 单个事件的不确定性的大小。 数学形式 $log\frac{1}{p(x)}=-logp(x)$ 特点 不确定性越大,
阅读全文
posted @ 2016-12-10 22:54 _1024
阅读(829)
评论(0)
推荐(0)
编辑
基础模型07-EM(其实是一种算法)
摘要: 1、EM的基础算法 直接给出计算公式,就不推导了。 说明EM的使用场景 2、EM的应用 2.1、EM在GMM中的应用 2.2、EM在混合贝叶斯中的应用 2.3、EM在pLSA中的应用 2.4、EM在HMM中的应用
阅读全文
posted @ 2016-12-10 22:53 _1024
阅读(138)
评论(0)
推荐(0)
编辑
基础模型06-决策树
摘要: 这个的确是很基础啦。 但是写起来也很累的啊。
阅读全文
posted @ 2016-12-10 22:52 _1024
阅读(134)
评论(0)
推荐(0)
编辑
上一页
1
2
3
4
5
6
7
8
下一页