锋上磬音

摘要： 问题描述 如何给新加入的用户推荐可能感兴趣的物品？如何将新上架的物品推荐给潜在的用户？这两个问题分别是用户冷启动和物品冷启动，统称为冷启动推荐 尾部用户/cold-start用户，行为稀疏，还存在问题：有噪声，间隔大；目的是得到这部分用户的个性化表示 头部用户相对于长尾用户，具有大量交互 行为: 点 阅读全文

摘要： 基本概念 推荐的传统方法: 矩阵分解；深度学习方法 协同过滤: 基于交互历史估计用户接受item的可能性 假定相似用户有相似偏好，根据用户历史行为算出用户相似度，并用相似度加权平均其他用户的评分来预测该用户未打分物体的评分 CF存在的缺点: 用户、物体矩阵存在稀疏性，用少量数据预测大量缺失的数据存在 阅读全文

摘要： 基本概念[3] 生成模型 统计学和机器学习的一个主要目标是根据从某个分布得到的样本建模该分布，这是无监督学习的一个例子，有时称作生成建模generative modelling。应用包括密度估计density estimation, 异常检测outlier detection, 先验创建prior 阅读全文

摘要： 基本公式 变换公式 离散傅里叶变换：将序列$x_0,...,x_{n-1}$变换成$X_0,...,X_{n-1}$，正变换公式为$x_f=1/\sqrt{n}\sum_{t=0}{n-1}x_t*exp(-j2\pi tf/n),f=0,...,n-1,j=\sqrt{-1}$，逆变换为$x_t= 阅读全文

摘要： 操作系统 特殊的计算机程序(软件)，控制着电脑(硬件)，连接用户和资源，资源包括CPU、硬盘、内存、打印机等 当用户需要执行程序，操作系统必须要分配内存空间来下载和访问程序；当程序执行时，允许它访问CPU；在一个时间共享的系统中，通常有几个程序需要同时访问CPU UNIX Linux 查看内核版本: 阅读全文

摘要： 复杂度 主定理(Master Theorem): 算法的运行时间 排序复杂度 以下对应排序算法最好情况、最坏情况及平均情况的时间复杂度 冒泡排序: O(n)、O(\(n^2\))、O(\(n^2\)) 插入排序: O(n)、O(\(n^2\))、O(\(n^2\)) 选择排序: O(n)、O(\(n 阅读全文

摘要： 图数据 显式图数据和隐式图数据，如下图所示： 图定义 \(\mathcal{V}=\{v_1,...,v_N\},\mathcal{E}=\{e_1,...,e_M\},\mathcal{G}=\{\mathcal{V},\mathcal{E}\}\)，如下图所示： 图信号：\(f:\mathcal 阅读全文

摘要： 基本概念 范数 2范数 矩阵：A的转置乘以A矩阵特征根最大值的开根号 向量：x中各个元素平方之和再开根号 函数：x在区间(a,b)上f(x)的平方的积分再开根号 矩阵范数： 1范数/列和范数：所有矩阵列向量绝对值之和的最大值 2范数：A的转置乘以A矩阵特征根最大值的开根号 $\infty$范数/行和 阅读全文

摘要： NLP与深度学习 任务 词性标注(Part Of Speech Tagging): 为每个词确定词性 句法分析(Parsing): 为一个句子创建一个语法树 命名实体识别(Named Entity Recognition): 在一个句子中识别人、地点等 语言建模(Language Modeling) 阅读全文

摘要： NLP中的图结构 文本序列的结构信息 syntactic parsing trees like dependency 可将每个词看成一个结点，边为依赖解析标记，每个词有词性标记 用于机器翻译 constituency parsing trees 文本序列的语义信息 semantic parsing 阅读全文