- 博客(36)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 python 字符串的旋转
1，字符串的旋转def ReverseString(s,fr,to): s = list(s) while (fr < to): t=s[fr] s[fr]=s[to] s[to] = t fr += 1 to -= 1 return "".join(s)def leftRotat...
2019-01-04 10:15:36
2378
原创 理解先验概率，后验概率，似然概率，条件概率，贝叶斯，最大似然
1，先验概率：事件发生前的预判概率。可以是基于历史数据的统计，可以由背景常识得出，也可以是人的主观观点给出。一般都是单独事件概率，如P(x),P(y)。人主观觉得一件事情发生的概率，比如掷骰子，我们基于经验历史觉得概率就是1/6。 2，后验概率：事件发生后求的反向条件概率；或者说，基于先验概率求得的反向条件概率。概率形式与条件概率相同。一件事情已经发生了，求这件事情发生的原...
2018-12-07 11:24:03
1552
原创 隐语义分析，以LFM为例
隐语义分析，以LFM为例：一个比较好的图：对于一个给定的用户行为数据集（数据集包含的是所有的user, 所有的item，以及每个user有过行为的item列表），使用LFM对其建模后，我们可以得到如下图所示的模型：（假设数据集中有3个user, 4个item, LFM建模的分类数为4）R矩阵是user-item矩阵，矩阵值Rij表示的是user i 对item j的兴趣度，这正是我们要求的值。对于...
2018-04-18 11:20:16
610
原创 AutoRec: Autoencoders Meet Collaborative Filtering
《AutoRec: Autoencoders Meet Collaborative Filtering》目的：利用AE来预测用户对物品missing的评分值。 论文信息：WWW 2015。 一，Contribution： 1）提出一种新的深度学习模型AutoRec，将CF和AE结合，实验证明在RMSE指标数上优于CF和RBM等模型。 二， 实验：我们提出一种混合的协同过滤推荐系统模型与AE，首将...
2018-04-02 11:36:09
1648
原创 A Hybrid Collaborative Filtering Model with Deep Structure for Recommender Systems
《A Hybrid Collaborative Filtering Model with Deep Structure for Recommender Systems》目的：矩阵分解是一种广泛使用的基于模型的CF方法具有良好的可扩展性和准确性，asdae利用深度学习从原始输入中有效提取项目和用户潜在信息。这两个模型相结合，来达到预测用户项目评分矩阵的缺失值。 论文信息：携程在深度学习与推荐系统结合...
2018-03-30 21:44:28
2090
7
原创 Collaborative Deep Embedding via Dual Networks
本文结构： 一， Contribution二， 实验实际需求训练数据《Collaborative Deep Embedding via Dual Networks》目的：采用Dual网络分别对项目和用户进行enbedding，通过协作方式共同训练，捕捉用户项目之间的复杂关系，具有强泛化能力（推广到未知项目或用户）。论文信息：2017年。 一，Contribution： 1）提出一个通用的，模型，d...
2018-03-23 16:13:45
403
2
原创 A Hybrid Approach with Collaborative Filtering for Recommender Systems
本文思路整理如下： 一， Contribution二， 实验实际需求训练数据实验环境2.1本文模型2.2 实验结果《A Hybrid Approach with Collaborative Filtering for Recommender Systems 》目的：采用加权组合的基于用户和基于项目的协同过滤构建模型，从而解决数据稀疏问题和提高了推荐系统精度。论文信息：2013年, G Badaro...
2018-03-14 21:30:03
409
原创 Collaborative Deep Learning for Recommender Systems
本文思路整理如下： 一， Contribution二， 实验实际需求训练数据实验环境2.1本文模型模型训练模型输出2.2 实验结果《Collaborative Deep Learning for Recommender Systems》目的：采用分层贝叶斯CDL构建模型，将深度学习SDAE和协同过滤结合起来，从而得以更精准推荐。 论文信息：香港理工大学王灏博士。一，Contribution：1）C...
2018-03-10 20:54:41
1428
原创 Recurrent Recommender Networks
本文思路整理如下： 一， Contribution二， 实验实际需求训练数据实验环境2.1本文模型2.2 结果对比2.2.1 将本文RNN模型和不考虑时间动态的模型做对比2.2.2 将本文RNN模型和考虑时间动态的模型做对比三， 更多关于论文细节《Recurrent Recommender Networks》目的：采用LSTM构建模型，以适应user及movie的动态性，从而得以更精准做视频推荐。...
2018-03-07 20:01:56
1217
2
原创 Wide &Deep Learning for Recommender Systems
本文思路整理如下： 一， Contribution二， 实验实际需求训练数据实验环境2.1本文模型 2.1.1 模型输入2.1.2 模型训练2.1.3 模型输出2.2 实验结果《Wide & Deep Learning for Recommender Systems》目的：采用Wide &deep构建模型，从而得以更精准做Google Play推荐。 论文信息：Google发表于...
2018-03-07 17:13:17
855
原创 RNN和LSTM
一，考虑问题： l 当我们在理解一句话意思时，孤立的理解这句话的每个词是不够的，我们需要处理这些词连接起来的整个序列；l 当我们处理视频的时候，我们也不能只单独的去分析每一帧，而要分析这些帧连接起来的整个序列。类似上面任务需要能够更好的处理序列的信息，即前面的输入和后面的输入是有关系的。这时，就需要用到深度学习领域中一类非常重要神经网络：循环神经网络(Recurrent Neural Networ...
2018-03-05 15:12:35
979
原创 神经网络
《神经网络》神经网络作为一个比较大的范畴词，涉及内容非常多，这里只是神经网络的基本概念理解，并给出一个常见神经网络列表介绍。具体的后续作为学习。人工神经网络（Artificial Neural Network，即ANN ），是20世纪80 年代以来人工智能领域兴起的研究热点。它也是目前各种神经网络模型的基础。1，什么是神经网络？神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。每...
2018-03-05 15:08:12
1471
原创 BP算法
一，定义误差逆传播算法（backpropagation BP算法）是迄今最成功的的神经网络算法。显示任务中使用神经网络时，大多是在使用BP算法进行训练。不仅适用于多层前馈神经网络，还可以用于其他类型的神经网络，训练递归。二，模型Ø 网络模型如下图的单隐层神经网络，输出层有d个神经元，一个q个神经元组成的隐层，L个神经元组成的1个输出层，其中，隐层和输出层神经元都使用Sigmoid函数。 Ø 训练数...
2018-03-05 15:04:25
2628
原创 理解Word2vec
理解Word2vec一,词向量首先需要理解词向量。比如有一个城市的词汇表（北京，上海，宁夏，纽约，巴黎，，，，，南京）One-Hot Encoder按照如下方式：杭州 [0,0,0,0,0,0,0,1,0,……，0,0,0,0,0,0,0]上海 [0,0,0,0,1,0,0,0,0,……，0,0,0,0,0,0,0]宁波 [0,0,0,1,0,0,0,0,0,……，0,0,0,0,0,0,0]北京...
2018-03-05 15:00:48
2593
1
原创 Deep Neural Networks for YouTube Recommendations
《YouTube深度神经网络推荐系统》目的：利用深度神经网络做YouTube视频推荐。 论文信息：google的YouTube团队在推荐系统上DNN方面的尝试，发表在16年9月的RecSys会议。 一，Contribution：1）详细描述了一个候选集生成模型和一个深度排序模型，开始用deep learning做YouTube视频推荐。2）提供了一些从设计、迭代和维护庞大用户量的推荐系统中得到的实...
2018-03-05 14:57:28
5417
2
原创 Deep Learning based Recommender System:A Survey and New Perspectives
Deep Learning based Recommender System:A Survey and New Perspectives 论文信息：Shuai Zhang, Lina Yao, and Aixin Sun 2017.7ACM J. Comput. Cult. Herit. 1, 1, Article 35 (July 2017), 35 pages. 本文贡献：1）基于深度学习技...
2018-03-05 14:52:58
386
原创 基于深度学习的推荐系统研究
基于深度学习的推荐系统研究 论文信息：北京邮电大学 陈达 14年硕毕论目的：深度网络学习算法应用到推荐系统 。为此工作：1）研究分析基于内容的推荐系统和基于协同过滤的推荐系统，包括基于相似度的最近邻方法，朴素贝叶斯方法，潜在因素的矩阵分解方法，分析了各自的优缺点。2）研究一个典型的深度网络模型——多层受限波兹曼机（DBN）。3）将深度网络与传统协同过滤方法相结合，建立一个新的深度网络混合模型...
2018-03-05 14:50:12
9595
原创 基于卷积神经网络的推荐算法
基于卷积神经网络的推荐算法论文信息：华南理工大学 吴浠 16年硕毕论目的：将卷积神经网络应用到推荐系统，缩短训练时间。为此工作：1）对比分析了当前广泛应用于推荐系统中的各个算法，包括基于内容的推荐，协同过滤推荐，基于知识的推荐，混合推荐。2）将卷积神经网络应用到推荐系统中，实现了基于卷积神经网络的推荐算法。3）在 Matlab 中实现了基于卷积神经网络的推荐算法，利用 Movie Lens-...
2018-03-05 14:38:09
28316
10
原创 斯坦福机器学习课程笔记1
一，先提知识1，计算机科学基础知识，基本技能以及原理2，概论统计基础知识3，线性代数基本知识二，本课程目标能够运用机器学习的算法解决实际问题进行机器学习方面的研究证明一些定理（比如邮编读取可达到99.9%的正确率）三，使用工具MATLAB或octave四，在线资源1，http://cs229.stanford.edu/2，新闻组 http://su.
2017-06-17 16:17:32
1113
原创 scala求值策略
关于scala中求值策略的相关问题Scala里有两种求职策略：Call by value 按值进行调用，对函数实参求值，且仅求值一次，求到的值会传入函数，直接替换掉函数里面所对应的形式参数Call by name 按名调用，在进行函数调用的时候不会对函数的实参进行表达式的求值，而是把表达式传入函数体内，替换掉函数体内所对应的形式参数，在函数体内每次使用到这个形参的时候，会进行求值，即进
2017-06-14 18:57:08
379
原创 关于java中子父类赋值的问题
关于Java类中的父类和子类的赋值的相关问题今天突然有点不确定，特地写个代码测试一下：1，新建一个类testFather如下 2，新建一个子类testSon如下： 可以看到，java中不能将父类类型赋值给子类类型。但可以将子类类型赋值给父类。如下所示： 另外，子类型赋值给父类后，父类的变量值将会保存子类的变量值，如下所示：
2017-06-09 19:03:45
8884
原创 Scala实战理解之集合
一，集合list[T][T]表示泛型，Scala会进行类型推导，所以一般没有必要显示指定类型T。使用list的一些例子1，定义一个list a2，用”::” 连接操作符，左边为元素，右边为list，将元素添加进list成新的list b。 3,用”::” 连接操作符，先”z”连接Nil,再”y”连接”z和Nil”，以此类推。 等同于下：4，“:::”
2017-06-08 21:30:14
957
原创 Scala实践理解高阶函数
1，高阶函数Scala支持：1，函数是第一等公民1，把函数做为实参传递给另外一个函数2，把函数作为返回值返回3，把函数赋值给变量4，把函数存储在数据结构中在Scala中，函数就像普通变量一样，同样也具有函数的类型。2，函数类型函数类型的格式为A => B，表示一个接受类型A的参数，并返回类型B的函数例：Int => String 是把整型映射为字符串的函
2017-06-08 16:18:40
373
原创 Scala详细环境安装与配置
系统为windows。安装配置Scala如下：一，安装Scala1，java6以上（建议java 7以上）安装地址：http://www.oracle.com/technetwork/java/javase/downloads/index.html安装后配置环境变量2，Scala 2.12.2地址：http://www.scala-lang.org/download
2017-06-08 11:59:04
19075
原创 第六章 磁盘和文件系统管理
一，本章内容1，磁盘及分区管理2，文件系统管理3，RAID设备4，LVM逻辑卷管理5，磁盘配额管理6，文件系统维护基础备注：本Linux系统为RHEL5.3二，磁盘及分区管理1，fdisk查看磁盘设备列表 可以看出，共有vda,vdb。Vab没有分区。在Linux系统中，所有的设备都被放置在目录/dev中。对于磁盘等存储设备而言，sd通常表示SC
2017-06-08 10:36:52
1378
原创 第五章 Linux用户和文件权限管理
一，本章内容 1，用户管理 2，用户组管理 3，基本权限及管理命令 4，POSIX ACL权限系统及其管理命令 备注：本Linux系统为RHEL5.3二，用户管理1，系统用户文件概述[1] 系统用户文件/etc/passwd 用于保存系统用户及用户设置的文件是/etc/passwd [2] 用户密码文件/etc/shadow
2017-06-08 10:01:07
415
原创 第四章 Linux查找和删选工具
一，本章内容1，查找工具find2，查找文本工具grep3，sed流编辑器4，转换和删除重复命令tr5，合并和分割工具备注：本Linux系统为RHEL5.3二，查找工具find找出不知道在什么地方的文件，或是找出某一特征的文件，可以使用find。1，find基本格式find [path] [expression]expression：用于定义find查找
2017-06-07 15:58:54
372
原创 第三章 Linux特殊字符和正则表达式
一，本章内容1，特殊字符2，文件名通配符3，多命令中的逻辑运算符和括号4，命令中正则表达式备注：本Linux系统为RHEL5.3二，linux系统特殊字符1，双引号1]，$ NAME=”mary” 2]，echo“now time: ’date’ ” # 使用反引号引用命令输出3]，# echo $NAME | grep jhon Alix错误错误
2017-06-03 15:14:24
1019
原创 第二章 linux常用命令
一，本章内容1，linux系统基本命令2，常见文件操作命令及其使用方法3，查看修改系统日期时间4，查看管理联线用户5，切换用户命令6，定位，查找文件和关键字命令的使用7，输入，输出相关命令备注：本Linux系统为RHEL5.3二，linux系统基本命令1，切换工作目录cd路径表示：1，以/为起点绝对路径，如/root，/home等
2017-06-03 10:40:04
442
原创 第一章 Linux系统入门
一，本章内容1，常见Linux登录方式及适用范围2，常见关闭，重启系统的命令及用范围3，Linux系统命令帮助4，人机交互shell及分类，Bash Shell的基本功能5，管道及输入输出备注：本Linux系统为RHEL5.3二，常见Linux登录方式及适用范围1，图形界面登录2，命令行登录Localhost login：登陆成功后，系统会自动将用户的工
2017-06-02 21:05:15
374
原创 险段相交(附模板)_
线段相交（附模板） - You can Solve a Geometry Problem too Time Limit:1000MS Memory Limit:32768KB 64bit IO Format:%I64d & %I64u SubmitStatus DescriptionMany geometry（几何）probl
2015-05-15 22:11:07
220
原创 特例---可图化
特例---可图化 A - Frogs' NeighborhoodTime Limit:5000MS Memory Limit:10000KB 64bit IO Format:%I64d & %I64uSubmitStatusDescription未名湖附近共有N个大小湖泊L1,L2, ..., Ln(其中包括未名湖
2015-05-15 22:07:52
558
原创 并查集
并查集定义并查集是一种树型的数据结构，用于处理一些不相交集合（Disjoint Sets）的合并及查询问题。常常在使用中以森林来表示。集就是让每个元素构成一个单元素的集合，也就是按一定顺序将属于同一组的元素所在的集合合并。2主要操作初始化把每个点所在集合初始化为其自身。通常来说，这个步骤在每次使用该数据结构时只需要执行一次，无论何种实现方式，时间复杂度均为O
2015-05-15 22:05:04
227
原创 凸包
凸包 ABCDEFGA - Surround the TreesTime Limit:1000MS Memory Limit:32768KB 64bit IO Format:%I64d & %I64uSubmitStatusDescriptionThere are a lot of trees in an area. A peasant
2015-05-15 22:02:20
423
原创 杭电oj2027
标签：编程初期大一篇 【BestCoder Round #2 来了！】7月27号19:00~21:00（赛前30分钟停止注册比赛） 统计元音Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 65536/32768 K (Java/Others)Total Submission(
2015-05-15 21:51:39
367
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人