数据挖掘爱好者

背景：论文作者是Ricardo baeza-Yates，此人是率先研究关键词推荐的人物之一。当时还在 University of Chile 的Web Research 中心，后来去了yahoo研究院，领导在 Barcelona, Spain and Santiago的yahoo研究院。Ricardo baeza的主页：http://www.dcc.uchile.cl/~rba

我们现在已经有很多标签系统，例如有道书签，豆瓣书籍，Del.icio.us,Flickr，YouTube，Last.fm等等。社会化书签，允许大家对URL分类 、添加标签。有了这些标签，可以用来做网页分类，个性化推荐等等。Tagging的问题：词库问题：对于同一个事物，不同的用户会用不同的词来描述。这个可以用于挖掘近义词或者相关词？tag标签图：图包括资源，tag，

有很多人名搜索，包括各种垂直搜索，科技文献、医学搜索、书籍搜索（joyo.COM）、weibo搜索等等。即使在通用搜索，也有很多关键词是搜索人名的，包括明星，企业家等等。11%-17%的web query包含人名。4%的web query 指是人名组成。不少于57%的用户搜索自己的名字。46%的人搜索别人的名字以便了解他们的历史。主要是了解他们的背景、作品、故事吧。

作者介绍：Doug Beeferman研究query聚类的先驱。论文引用数量叹为观止啊。Agglomerative clustering of a search engine query log   (Citations: 289)他是lycos搜索引擎公司的研究员。一个古老的搜索引擎 http://www.se-express.com/about/lycos.ht

基本思想：  把用户访问过的页面作为序列。  每个页面可以有一个或者多个类别。  把访问过的页面序列，用HMM来标注类别。 目的就是识别用户访问的类目序列。  训练数据的获取方法？      通过局域网抓包的方式来得到用户访问的页面序列。这个方式比较巧妙，真是“创造条件也要上。”      不过这个方法在局域网只得到712个浏览页面，分析之后用到其中302个

本代码是论文《solving the apparent diversity-accuracy dilemma of recommender systems》的R语言模拟算法针对论文中的图1# user-object matrixv=c(1,0,0,1,0, 1,1,1,1,0, 1,0,1,0,0, 0,0,1,0,1)user=4ob=5am=ma

ScalingUp All Pairs Similarity Search扩展所有pair的相似性搜索。摘要：给定一个高维稀疏向量集合，我们研究找出所有pair的相似性分数（例如定义为余弦分数）的问题，并在这些pair高于给定阈值。我们提出一个简单算法：基于一种新颖的索引和优化策略，不需要近似算法和参数调优来解决这个问题。我们展示这种方法能够有效的处理多种数据集合，通过广泛调整相似性分

观点挖掘和语言挖掘Yahoo研究院 信息收集行为的重要部分是找出其他人在思考什么。富有观点的资源（如在线review网站、个人博客）越来越多、越来越流行，新的观点和挑战被激发，人们可能并且可以，积极利用信息技术去寻找和理解别人的观点。意见挖掘和情感分析领域的研究活动的突然爆发，涉及观点、情感、主观性文本的计算处理，部分表现为新系统中对兴趣的处理。 这个综述覆盖了面向观点的信

一个机器学习平台，主要是图模型方面的计算。第一个Demo就是计算PageRank 。还提供包括求解线性方程组，协同过滤、聚类等等操作。GraphLab linear solvers libraryThis application solves a linear system of equations using iterative solvers:

参考《The Improved Iterative Scaling Algorithm：A Gentle Introduction》其中一个公式：当 x>0时， -log(x) >= 1-x 成立。证明：x-log(x)-1>=0令x=1+z，z>-1;得到:1-x=z由于：ln(1+z)=z-z^2/2+z^3/3-z^4/4..... 因此： -

tag可以标注在users，photos，articles，bookmarks，products，blog entries等等。用term 向量可以表示metadata，每一个term或者tag都是向量中的一维。向量中所有的term集合就是词表。user 和item都用tag来表示，那么就可以计算user和item之间的相关性。可以使用BM25算法?使用tag可以对user之间做关

背景Flickr是著名的图片存储应用提供商，被yahoo收购。这里的两个作者都是yahoo位于spain Barcelona研究院。Tag的对象都是缺少内容的。这里是对图片、用户和朋友、视频的标注。QQ、旺旺、开心网都有过对好友印象，这个或许是为了给用户做标注。不过给用户做标注容易太宽泛。同一张图片，不同的人标注的结果可能很不一样。论文结构

关键词推荐的方法： （1）meta tag spider： 通过抓取各种网站的meta数据，把这些mata数据综合在一起，做关键词推荐。 这种方法适合于没有日志的初始网站。 （2）google adwords tool （共同的广告点击）： 通过 query log 挖掘关键词。当搜索关键词“A”出了广告x，那么其他关键词也能够出广告x，

背景：有大量的论文研究如何计算Query直接的相关性，而这篇论文是2010年的一篇。3名作者是Google Research 的成员。第一作者是Fabio de bona貌似是一个德国人。他还介绍了一种并行的SVMs训练方法。GPDT is a C++ software designed to train large-scale Support Vector Machines (SVMs)

背景：《Click Prediction for Product Search on C2C web sites 》上海交大的计算机系的论文。论文说数据来自 “a real popular c2c web site”，看论文图片，应该是ebay.com的图片。ebay在上海有研究所吗？ 论文上图片是搜索“nokia e63”，有兴趣可以点击来看看。很奇怪的是，论文为什么不直接点明是ebay

背景：这是微软研究院的一篇论文。第一作者是南开大学 Liao Zhen ，主页是http://kdd.nankai.edu.cn/showMemberAction.do?tp=0&&id=80。这篇论文的目的是Query推荐，也就是关键词推荐。在搜索引擎、广告竞价平台中，关键词推荐已经是标配的产品。同样是搜索引个词，不同的人有不同的意图。这是为什么呢？原因是一个词可能对应到多个概念

背景：作者是ebay研究实验室的Sr. Director & Head. 2005年加入ebay。 加入Ebay之前是a startup focused on multi-attribute fuzzysearch and network CRM的联合创始人。摘要：推荐系统组成电子商务网站的核心。在这篇论文中，我们对推荐系统采用一种自上而下的观点，明确挑战和机遇，明确建立电子商务平台的

test.entropy print(d)res for(i in 1:length(d)){  if(d[i]!=0)        res     }return (-res)}d1=c(0.25,0.25,0.25,0.25)d2=c(0.5,0.5,0,0)d3=c(0.8,0.2,0,0)d4=c(1,0,0,0)pri

作者Alpa Jainyahoo研究院数据挖掘少有的女人。关键词推荐和补全有不少的研究，简直是这方面yahoo最新的接班人。背景：对于Top Query大家已经分析了很多了，现在更多的是研究长尾Query的关键词推荐方法。一种Query中不重要词的识别非常重要。作者提出一种非常好的识别方法，其过程有一点类似拼写纠错。如果用户输入q1，但是没有点击。接着输

neel sundaresanhttp://labs.ebay.com/neelsundaresan/neel sundaresan是ebay研究实验室的Sr. Director & Head. 2005年加入ebay。 加入Ebay之前是a startup focused on multi-attribute fuzzy search and network CRM的联合创始人。论文