用户推荐
文章平均质量分 81
ffeng271
这个作者很懒,什么都没留下…
展开
-
KDD Cup 2011:音乐推荐
KDD Cup 2011:音乐推荐 发表于261 天前 ⁄ 技术, 科研 ⁄ 评论数 4 ⁄ 被围观 3970 次+ Yahoo!实验室的数据挖掘盛塞KDD Cup 2011马上就要开始了,今年的主题是‘Learn the rhythm, predict the musical scores’,也就是音乐推荐的意思,根据用户的兴趣喜好等,推荐相关的音乐。大赛数据集即将发转载 2011-11-14 14:12:02 · 6389 阅读 · 0 评论 -
KDD2009的获胜者报告
自动化时代的机械工,记KDD2009的获胜者报告 正如我常说的,美丽而智能的产品或技术后面,通常隐藏着无数的脏活累活机械活。强如google那样智能直至个性化的技术产品,在那风光无限的PageRank后面,也有大量的人工标注、数据过滤、参数调节,以及与天斗与人斗的anti-spammer工作。 上周重读KDD2009竞赛的获奖者报告,发现其中也不乏这样的情感。转载 2011-11-14 16:32:11 · 1598 阅读 · 1 评论 -
KDD 2011的关于Scaling Up Machine Learning的Tutorial
KDD 2011的关于Scaling Up Machine Learning的Tutorial Scaling Up Machine Learning相对于研究来说,其实在实际应用中更为迫切一点。因为实际应用中存在太多的数据,造成了严重的效率问题,如何在有效地时间内,并且尽量最大化的利用好手里的资源来解决问题,是一个迫在眉睫的问题。 这里有一个KDD 2011的Tutori转载 2011-11-14 19:38:33 · 1649 阅读 · 0 评论 -
SNA-KDD 2011论文:What Trends in Chinese Social Media
SNA-KDD 2011论文:What Trends in Chinese Social Media 这篇论文是hp实验室发在KDD 2011的社交网络分析的workshop上的一篇文章,分析了新浪微博的一些特点。分享一下: What Trends in Chinese Social Media[pdf] Louis Yu.Sitaram Asur,Bernardo转载 2011-11-14 20:09:21 · 2460 阅读 · 0 评论 -
推荐系统算法总结
推荐系统算法总结 最近看推荐系统方面的东西也有段日子了,有书,博客,唯独没有看论文。 总感觉论文对于工业界来说用处真的不如学校做课题、论文那么大,只要知道某个算法好不好用以及怎么用就可以了,也不必知道太多的细节和数学推导。但根据一个好的算法,产品部门可以设计出很多很酷的产品,让用户倍感web应用的人性化。 在看书,看大牛们的博客时,学习到了很多算法和思路。现在总结一下: 1、Ite转载 2011-12-01 22:17:59 · 1164 阅读 · 0 评论