摘要： 深度学习与人类语言处理（Deep learning for Human Language Processing） 李宏毅老师深度学习与人类语言处理课程笔记，请看正文 这门课会学到什么？ 为什么叫人类语言处理呢？ 现在大家熟知的基本都是自然语言处理，那什么是自然语言呢？ 在自然中发展出来的用于沟通的语 阅读全文

摘要： 1071.字符串的最大公因子 3.无重复字符的最长子串 def lengthOfLongestSubstring(s): if s: left,right = 0,1 maxlen =0 dic = [] dic.append(s[left]) 存储已经见过的字符 while left ['p'] 阅读全文

摘要： 322.零钱兑换 1013.将数组分成和相等的三个部分 python 阅读全文

摘要： 121.买卖股票的最佳时机 python c++ 543.二叉树的直径 python c++ 255.用队列实现栈 python c++ 阅读全文

摘要： 206.反转一个单链表。 示例: 思路 ： 涂鸦中序号表示思考的顺序，实际执行还是126345 代码： 打怪升级难度 92.反转链表 II 反转从位置 m 到 n 的链表。请使用一趟扫描完成反转。 说明: 1 ≤ m ≤ n ≤ 链表长度。 示例: 思考： 刚才完全反转链表，将$pre$指向了$nu 阅读全文

摘要： 知识图谱作为认知智能的重要一环，知识赋能的智能推荐将成为未来推荐的主流。智能推荐表现在多个方面，包括场景化推荐、任务型推荐、冷启动场景下推荐、跨领域推荐、知识型推荐[1] 1）场景化推荐 比如用户在淘宝上搜“沙滩裤”、“沙滩鞋”，可以推测这个用户很有可能要去沙滩度假。那么平台是否能推荐“泳衣”、“防 阅读全文

摘要： 本文将介绍Alibaba发表在KDD’19 的论文《Practice on Long Sequential User Behavior Modeling for Click Through Rate Prediction》。文章针对长序列用户行为建模的问题从线上系统和算法两方面进行改进，已经成功部署 阅读全文

摘要： 本文将介绍Google发表在RecSys’19 的论文《Recommending What Video to Watch Next: A Multitask Ranking System》。主要解决大规模视频推荐中的排序阶段的多任务学习和用户选偏置问题。 背景 给定当前用户正在观看的视频，推荐给用户 阅读全文

摘要： 本文将介绍阿里发表在 SIGIR’18 的论文ESMM《Entire Space Multi Task Model: An Effective Approach for Estimating Post Click Conversion Rate》。文章提出使用多任务学习解决CVR（转化率）预估时的 样 阅读全文

摘要： 推荐中的个性化重排 Personalized Re ranking for Recommendation 这篇文章是阿里在ResSys'19发表的，主要贡献是在重排序阶段，引入了用户的相关信息，很符合实际场景。 PRM的提出 重排主要是对排序后结果的优化，也可以用于二次推荐。考虑到性能原因，典型的排 阅读全文

摘要： 看看阿里如何在淘宝做推荐，实现“一人千物千面”的用户多样化兴趣推荐，首先总结下DIN、DIEN、DSIN： 传统深度学习在推荐就是稀疏到embedding编码，变成稠密向量，喂给NN DIN引入attention机制，捕获候选商品和用户浏览过的商品之间的关系（兴趣） DIEN在DIN基础上引入序列概 阅读全文

摘要： Learning to Rank pointwise $$ L\left(f ; x_{j}, y_{j}\right)=\left(y_{j} f\left(x_{j}\right)\right)^{2} $$ 只考虑给定查询下单个文档的绝对相关度，不考虑其他文档和给定查询的相关度. 输入空间中样 阅读全文

摘要： 推荐系统模型演化 LR-->GBDT+LR FM-->FFM-->GBDT+FM|FFM FTRL-->GBDT+FTRL Wide&DeepModel (Deep learning era) 将从以下3方面进行模型分析： 1.why（模型设计背后的原理） 2.how（具体怎么设计，如何应用） 3. 阅读全文