摘要：
转：http://isilic.iteye.com/blog/1851048决策树的重要性和入门可以参考前面两篇文章：在清华水木上有个Machine Learning的书单:http://www.newsmth.net/nForum/#!article/AI/34859其中作为入门的几本书也不简单，都是经典的作品PRML或者是最新的著作(ML-APP)，这些书在网上都能找到，不过找到不过不看放在硬盘里的话，其实这些书对你的用处并不大。这些书都能在网上找到，我就不贴下载了，大家可以自行查找。入门：Pattern Recognition And Machine Learning Aut... 阅读全文
摘要：
转：http://blog.csdn.net/hguisu/article/details/79961851. PageRank算法概述 PageRank,即网页排名，又称网页级别、Google左侧排名或佩奇排名。 是Google创始人拉里·佩奇和谢尔盖·布林于1997年构建早期的搜索系统原型时提出的链接分析算法，自从Google在商业上获得空前的成功后，该算法也成为其他搜索引擎和学术界十分关注的计算模型。目前很多重要的链接分析算法都是在PageRank算法基础上衍生出来的。PageRank是Google用于用来标识网页的等级/重要性的一种方法，是Google用来衡量一个网 阅读全文
摘要：
转：http://blog.csdn.net/hguisu/article/details/8005192 前面的讨论提到。PageRank忽略了主题相关性，导致结果的相关性和主题性降低，对于不同的用户，甚至有很大的差别。例如，当搜索“苹果”时，一个数码爱好者可能是想要看 iphone 的信息，一个果农可能是想看苹果的价格走势和种植技巧，而一个小朋友可能在找苹果的简笔画。理想情况下，应该为每个用户维护一套专用向量，但面对海量用户这种方法显然不可行。所以搜索引擎一般会选择一种称为主题敏感PageRank（Topic-Sensitive PageRank）的折中方案。主题敏感PageRank的做. 阅读全文
摘要：
转：http://www.vartang.com/2013/02/吸收马尔可夫链/在马尔可夫链中，称Pij=1的状态为吸收状态。如果一个马尔可夫链中至少包含一个吸收状态，并且从每一个非吸收状态出发，都可以到达某个吸收状态，那么这个马尔可夫链称为吸收马尔可夫链（Absorbing Markov Chains）[1]。Drunkard's Walk在上图的醉汉游走模型中，当醉汉处于位置1、2或者3时，他将会以等概率（1/2）向左或者向右走，他一直走，直到他到达位置0（他的家）或者位置4（酒吧）才停止游走。这模型的转移矩阵为：含有r个吸收状态和t个非吸收状态的吸收链，其转移矩阵的标准形式为： 阅读全文
摘要：
转：http://fanhy298.blog.sohu.com/130363634.html长时间以来一直不了解矩阵的特征值和特征向量到底有何意义（估计很多兄弟有同样感受）。知道它的数学公式，但却找不出它的几何含义，教科书里没有真正地把这一概念从各种角度实例化地进行讲解，只是一天到晚地列公式玩理论——有个屁用啊。根据特征向量数学公式定义，矩阵乘以一个向量的结果仍是同维数的一个向量，因此，矩阵乘法对应了一个变换，把一个向量变成同维数的另一个向量，那么变换的效果是什么呢？这当然与方阵的构造有密切关系，比如可以取适当的二维方阵，使得这个变换的效果就是将平面上的二维向量逆时针旋转30度，这时我们可以问 阅读全文
摘要：
转：http://hi.baidu.com/christole/item/23215e364d8418f896f88debWhat is Rank?rank就是排序。IR中需要排序的问题很多，最常见的的就是给一个query，对候选的documents排序，返回top-k给用户。另外，QA任务中最后也要对候选的A排序，query feedback, KEA等任务也都涉及rank。what is learning ro rank?用machine learning 理论来解决rank的问题。Conventional method for ranking之前我们都采用retrieval model 阅读全文
摘要：
LCARS: A Location-Content-Aware Recommender SystemAuthors: Hongzhi Yin, Peking University; Yizhou Sun, ; Bin Cui, Peking University; Zhiting Hu, ; Ling ChenFISM: Factored Item Similarity Models for Top-N Recommender SystemsSantosh Kabbur, University of Minnesota; George Karypis, University of Minnes 阅读全文
摘要：
Xiao Yu, Hao Ma, Paul Hsu, Jiawei HanOn Building Entity Recommender Systems Using User Click Log and Freebase KnowledgeAlexander Smola, Yuchen Zhang, Amr Ahmed, Vanja JosifovskiTaxonomy Discovery for Personalized RecommendationSteffen Rendle, Christoph FreudenthalerImproving Pairwise Learning for It 阅读全文
摘要：
这几天在家没事，介绍几篇CIKM上关于推荐系统的文章，Personalized Influence Maximization on Social NetworksSocial Recommendation Incorporating Topic Mining and Social Trust Analysis 文中作者引入topic的概念，对user, item, tag, trust的关系从topic的角度上从新解释了一遍，最后在PMF的框架上进行求解。Location Recommendation for Out-of-Town Users in Location-Based Soci.. 阅读全文
摘要：
转：http://www.cnblogs.com/Dzhouqi/p/3204353.html部分图为手写，由于本人字很丑，望见谅，只是想把PRML书的一些部分总结出来，给有需要的人看，希望能帮到一些人理解吧。下一篇，我将继续介绍本章内容8.2，条件独立 阅读全文