2012年08月_大魁

原创各大推荐引擎资料汇总

最近在做一个推荐的任务，头绪繁多，回头看看同行的工作，希望能有些帮助。零零碎碎看过好多资料，有些已经忘记了，会慢慢补全。也欢迎大家留言补充，尤其是关于豆瓣、新浪微博等的系统经验。之前在推荐系统大会上听过土豆、淘宝和点评的报告，收获不少。欢迎同行加我微博进行交流。视频类Netflix：很多方法的融合，策略可以参考我翻译的blog，架构参考小鱼儿师兄的blog。Hulu

2012-08-28 09:36:44 14109 2

转载 R，不仅仅是一种语言

打算抽时间学习R了，每次都写一堆琐碎的python实在太痛苦了。原文链接：http://www.wentrue.net/blog/?p=1083R，不仅仅是一种语言本文原载于《程序员》杂志2010年第8期，因篇幅所限，有所删减，这里刊登的是全文。简介：R是什么工欲善其事，必先利其器，作为一个战斗在IT界第一线的工程师，C/C++、java

2012-08-28 17:20:49 5304

原创论文笔记-recsys'12-Xbox推荐系统: Bayesian MF

1. 论文简介下载地址：http://www.eng.tau.ac.il/~noamk/papers/KNPS12.pdf文章发表在Recsys 2012上，作者是微软以色列Herzliya研发中心的。2. 论文场景主要为了解决微软Xbox Live Marketplace上的游戏和电影推荐。因此希望推荐算法能够做到跨领域（cross-domain）。3. 数据特点Xb

2012-08-28 08:05:40 2901 1

原创单机模式处理大数据，搜集一些好用的开源利器

1. LibFM项目主页：http://www.libfm.org/2. Svdfeature项目主页：http://apex.sjtu.edu.cn/apex_wiki/svdfeature3. Libsvm和Liblinearlibsvm项目主页：http://www.csie.ntu.edu.tw/~cjlin/libsvm/liblinear项目

2012-08-27 19:28:42 4668 3

翻译 Collaborative filtering with GraphChi

原文链接：Collaborative filtering with GraphChi本文是GraphChi平台的协同过滤工具箱的快速指南。到目前为止，已经支持ALS（最小二乘法）、SGD（随机梯度下降）、bias-SGD（带偏置的随机梯度下降）、SVD++、NMF（非负矩阵分解）、SVD（restarted Lanczos、one sided Lanczos，svd可以参考left

2012-08-27 19:07:01 9377

原创度量学习（Distance Metric Learning）介绍

一直以来都想写一篇metric learning（DML）的综述文章，对DML的意义、方法论和经典论文做一个介绍，同时对我的研究经历和思考做一个总结。可惜一直没有把握自己能够写好，因此拖到现在。先烈一些DML的参考资源，以后有时间再详细谈谈。1. Wikipedia2. CMU的Liu Yang总结的关于DML的综述页面。对DML的经典算法进行了分类总结，其中她总结的论文非常有

2012-08-19 23:52:43 43829 14

原创 KDD2012参会小结

KDD的全称为ACM SIGKDD conference on Knowledge Discovery and Data Mining，今年的会期是8.12-8.16，在北京的国家会议中心。这是KDD第一次在亚洲举办，机会难得；加之我们组幸运的被邀请在KDDCUP的workshop上做一个报告，我们5位同学就欢快地从上海赶赴北京学习、腐败了。今年参会人数有1000多人，虽然不能跟SIG

2012-08-19 12:27:07 9301 6

原创在线广告的exploration/exploitation trade-off（勘探和开采问题）

刚刚在看ICML 2010的一篇关于搜索广告CTR预估的文章：Web-Scale Bayesian Click-Through Rate Prediction for Sponsored Search Advertising in Microsoft’s Bing Search Engine上周跟中科院的同学吃饭时，他们说在KDDCUP竞赛时，这篇文章的算法效果非常好。当时就想好好读一

2012-08-05 15:12:25 5116 2

原创近两年顶级会议上关于Distance Metric Learning的paper清单

上次大师兄回上海，跟导师以及师兄弟吃饭。谈到我研究生时选的DML的方向，我还是觉得这个领域相对比较艰深，近几年一直没有大的进展，而且凭直觉认为DML相关的最近的paper不会特别多。导师笑而不语。回来做了一点功课，搜罗了这2年顶级会议上度量学习相关的论文，数量之多，颇受震动。这其中怕是不乏灌水炒作新概念的文章，看来DML大有前几年sparse coding的势头啊。ICML 2012M

2012-08-05 10:48:37 11931 7

大魁的专栏