潛在語義分析LSA（Latent Semantic Analysis ）也叫作潛在語義索引LSI（ Latent Semantic Indexing ） 顧名思義是通過分析文...
發(fā)簡信
IP屬地：浙江
-
LSA基本功能的復(fù)現(xiàn) -
CountVector基礎(chǔ)功能的復(fù)現(xiàn)sklearn.feature_extraction.text 中有4種文本特征提取方法： CountVectorizer TfidfVectorizer TfidfTran...
-
【NLP】TextCNN
模型 四種模式 CNN-rand: 單詞向量是隨機(jī)初始化，向量隨著模型學(xué)習(xí)而改變 CNN-static: 使用預(yù)訓(xùn)練的靜態(tài)詞向量，向量不會(huì)隨著模型學(xué)習(xí)而改變 CNN-non-...
-
Hive分組取TOPN數(shù)據(jù)
1、ROW_NUMBER，RANK()，DENSE_RANK() 語法格式：row_number() OVER (partition by COL1 order by CO...
-
【深度學(xué)習(xí)】從seq2seq到Transformer學(xué)習(xí)記錄背景 Encoder-Decoder是個(gè)非常通用的計(jì)算框架，至于Encoder和Decoder具體使用什么模型都是由研究者自己定的，常見的比如 CNN / RNN / BiR...
-
推薦系統(tǒng)遇上深度學(xué)習(xí)(二十一)--階段性回顧
本系列已經(jīng)寫了二十篇了，但推薦系統(tǒng)的東西還有很多值得探索和學(xué)習(xí)的地方。不過在這之前，我們先靜下心來，一起回顧下之前學(xué)習(xí)到的東西！ 由于是總結(jié)性質(zhì)的文章，很多細(xì)節(jié)不會(huì)過多的涉及...
-
因子分解機(jī)（FM）系列總結(jié)背景 特征之間是關(guān)聯(lián)的，線性模型中需要人工的特征組合，表達(dá)能力受限 one-hot編碼帶來特征空間暴增，數(shù)據(jù)稀疏，需要的參數(shù)量暴增 在數(shù)據(jù)很稀疏的情況下，滿足xi,xj都不為...
-
評(píng)論較多，簡書回復(fù)也不太方便，如有問題麻煩關(guān)注下面的公眾號(hào)，加入我的微信群一起討論。公眾號(hào)ID：小小挖掘機(jī)
-
【RNN 推薦】Long and Short-Term Recommendations with Recurrent Neural NetworksUniversité Libre de Bruxelles UMAP’17 abstract 循環(huán)神經(jīng)網(wǎng)絡(luò)已成功應(yīng)用于基于會(huì)話的推薦，并且是基于序列預(yù)測的協(xié)同過濾越來越感興趣...
-
【AE based RS】Deep Collaborative Filtering via Marginalized Denoising Auto-encoderACM 15 美國東北大學(xué) abstract 協(xié)同過濾（CF）已廣泛用于推薦系統(tǒng)中以解決許多現(xiàn)實(shí)問題。學(xué)習(xí)有效的潛在因子在協(xié)同過濾中起著最重要的作用?；诰仃嚪纸饧夹g(shù)的傳統(tǒng)C...
-
【Tag Recommendation】Flickr Tag Recommendation based on Collective Knowledge論文信息 WWW 2008 Yahoo! Research tagging（給item推薦tag）問題 標(biāo)簽應(yīng)用： 在一個(gè)應(yīng)用程序中，推薦的標(biāo)簽被呈現(xiàn)給用戶，用戶可以選擇相關(guān)...
-
python argparse用法總結(jié)
1. argparse介紹 是python的一個(gè)命令行解析包，用于編寫可讀性非常好的程序 2. 基本用法 prog.py是我在linux下測試argparse的文件，放在/t...
-
【AE based RS】Variational Autoencoders for Collaborative Filtering論文信息 WWW 2018 Dawen Liang 、Rahul G. Krishnan 、Matthew D. Ho?man 、Tony Jebara Net?ix、MIT...
-
【AE based RS】AutoRec: Autoencoders Meet Collaborative Filtering論文地址：http://users.cecs.anu.edu.au/%7Eu5098633/papers/www15.pdfWWW 2015被引用次數(shù)：123Australi...
