qq_45301231的博客

1、介绍协同过滤算法（Collaborative Filtering） 是比较经典常用的推荐算法，从1992年一直延续至今。所谓协同过滤算法，基本思想是根据用户的历史行为数据的挖掘发现用户的兴趣爱好，基于不同的兴趣爱好对用户进行划分并推荐兴趣相似的商品给用户。协同过滤算法主要分为两类：- 基于物品的协同过滤算法：给用户推荐与他之前喜欢的物品相似的物品- 基于用户的协同过滤算法：给用户推荐与他兴趣相似的用户喜欢的物品2、基于用户的协同过滤算法（UserCF）UserCF，思想其实比较简单，当一个用户

python生成requirements.txt的方法

#1、去除括号及括号里的内容import retext = "房地产开发及商品房销售；房地产信息咨询（中介除外）；"text1 = re.sub('\（.*?\）','',text)print(text1)'''text1 = "房地产开发及商品房销售；房地产信息咨询；"'''#2、只去除括号text2 = re.sub("[()]", "", text)print(text2)'''text2 = "房地产开发及商品房销售；房地产信息咨询中介除外；"'''...

GRU介绍上篇文章提到了RNN（循环神经网络）的变体LSTM（长短期记忆网络），现在说一下它们的另一个变体GRU（Gate Recurrent Unit）——门控循环单元。虽然LSTM能够解决循环神经网络因长期依赖带来的梯度消失和梯度爆炸问题，但是在LSTM中引入了三个门函数：输入门、遗忘门和输出门来控制输入值、记忆值和输出值，参数较多，训练起来比较困难。而在GRU模型中只有两个门：分别是更新门和重置门，且在超参数全部调优的情况下，二者性能相当，GRU结构更为简单，训练样本较少，易实现。GRU的结构

LSTM上节讲到的RNN循环神经网络有一个弊端，无法处理长距离依赖的问题，而RNN的变种长短时记忆网络(Long Short Term Memory Network, LSTM)，可以解决这个问题。原始RNN的隐藏层只有一个状态，即h，它对于短期的输入非常敏感。LSTM在此基础上又增加一个状态，即c，让它来保存长期的状态，称为单元状态(cell state)。新增加的状态c，称为单元状态。我们把上图按照时间维度展开：如图在 t 时刻，LSTM 的输入有三个：当前时刻网络的输入值 Xt、上一时刻 L

1、RNN的简单介绍       我们前面提到的无论是人工神经网络还是CNN卷积神经网络，他们的前提都是：元素之间是相互独立的，前一个输入与后一个输入是没有关系的。但现实世界中，很多元素都是相互连接的，比如：某人说：我喜欢美食，其中最喜欢的吃的是肉蟹煲，以后有钱了一定要每天吃___.这里填空，人应该都知道是填“肉蟹煲“。因为我们是根据上下文的内容推断出来的，但机器要做到这一步就比较难了。因此，我们就需要使用循环神经网络了，他的本质是：像

bert与GPT一样均是采用transformer的结构，与GPT不同的是，bert是双向的，而GPT是单向的。如图所示：bert结构先看下bert的内部结构，官网最开始提供了两个版本，L表示的是transformer的层数，H表示输出的维度，A表示mutil-head attention的个数：如今已经增加了多个模型，其中包括中文模型：从模型的层数来说其实已经很大了，但是由于transformer的残差（residual）模块，层数并不会引起梯度消失等问题，但是并不代表层数越多效果越好，有论

1、cnn卷积神经网络的概念卷积神经网络（CNN），这是深度学习算法应用最成功的领域之一，卷积神经网络包括一维卷积神经网络，二维卷积神经网络以及三维卷积神经网络。一维卷积神经网络主要用于序列类的数据处理，二维卷积神经网络常应用于图像类文本的识别，三维卷积神经网络主要应用于医学图像以及视频类数据识别。2、卷积神经网络结构卷积神经网络通常包含以下几层：卷积层：卷积神经网路中每层卷积层由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法优化得到的。卷积运算的目的是提取输入的不同特征，第一层卷积层

Transrofmer模型讲解接下来我将介绍《Attention is all you need》这篇论文。这篇论文是google机器翻译团队在2017年6月放在arXiv上，最后发表在2017年nips上，到目前为止google学术显示引用量为2203，可见也是受到了大家广泛关注和应用。这篇论文主要亮点在于1）不同于以往主流机器翻译使用基于RNN的seq2seq模型框架，该论文用attention机制代替了RNN搭建了整个模型框架。2）提出了多头注意力（Multi-headed attention）

1、word2vector简介2013年，Google团队发表了word2vec工具。word2vec工具主要包含两个模型：跳字模型（skip-gram）和连续词袋模型（continuous bag of words，简称CBOW），以及两种高效训练的方法：负采样（negative sampling）和层序softmax（hierarchical softmax）。2、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按照如下方式表示：杭州 [

使用了肖涵博士的bert-as-service，详情请参考https://github.com/hanxiao/bert-as-service1、使用的环境python=3.6，tensorflow=1.13.2，tensorflow版本不能太高，2.x不支持bert-as-service。安装需要的包：pip install bert-serving-serverpip install bert-serving-client2、同时还需要下载训练好的Bert中文模型：https://stor

概念Restful是一个资源定位及资源操作的风格。不是标准也不是协议，只是一种风格。基于这个风格设计的软件可以更简洁，更有层次，更易于实现缓存等机制。功能资源：互联网所有的事物都可以被抽象为资源资源操作：使用POST、DELETE、PUT、GET，使用不同方法对资源进行操作。分别对应 添加、 删除、修改、查询。区别 //传统方式的： http://localhost:8080/spring_04/add?a=1&b=2 //Restful风格的： http://lo

打开git终端，到项目所在目录，输入以下命令：1.git status ，查看有无修改过的文件，如图红色框中为修改过的文件。2.git commit -a -m “解决bug”，回车，如图显示1个文件已经改变。3.git push origin master，然后回车，这样代码就更新成功了。4.如果执行第三步的时候出现如下错误：出现这个问题是因为github中的README.md文件不在本地代码目录中，可以通过如下命令进行代码合并git pull --rebase origin maste

1.进入GitHub新建一个项目，然后点击clone or download会出现一个地址，copy这个地址，如图：2.本地操作，右击你的项目，会出现Git Bash here 和Git Gui here（git的安装步骤就不介绍了，不会的话网上找一下），这里我们选择Git Bash here，如图所示：3.然后在此终端下输入命令，通过此命令把GitHub上的仓库克隆到本地git clone https://github.com/wind-liang/leetcode.git（此命令后边跟的地址为

打开终端输入命令：创建test环境并指定python版本为3.8conda create -n test python=3.8删除test环境的命令：conda remove -n test --all 成功删除！！！

idea新建springboot项目：在创建项目的时候添加依赖：web依赖选上：ElasSearch最重要的选上：在如图目录下新建config包和ElasticSearchClientConfig配置文件：ElasticSearchClientConfig文件代码：package com.example.demo.config;import org.apache.http.HttpHost;import org.elasticsearch.client.RestClient;i

关于文档的基本操作1、基本操作，插入几条数据2、查询获取数据 GET3、更新数据 PUT4、POST _update5、简单的搜索GET kuangshen/user/1简单的条件查询，可以根据默认的运算规则产生基本的查询6、复杂操作查询select(排序，分页，高亮，模糊查询，精准查询！)输出的结果，不想要那么多！排序：分页：布尔值查询must(and)，所有的条件都要符合where id=1 and name=xxxshuold(or)，所有的条件都要

关于索引的基本操作Rest风格说明一种软件架构风格，不是标准，只是提供了一组这几原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计可以更简洁，更有层次，更易于实现缓存等机制。基本Rest命令说明：methodurl描述PUTlocalhost:9200/索引名称/类型名称/文档id创建文档（指定文档id）POSTlocalhost:9200/索引名称/类型名称创建文档（随机文档id）POSTlocalhost:9200/索引名称/类型名

先简单说一下LuceneLucene是一套信息检索工具包！jar包！不包含搜索引擎系统！包含的：索引结构！读写索引的工具！排序，搜索规则…工具类！Lucene和ElasticSearch关系：ElasticSearch是基于Lucene做了一些封装和增强。ElasticSearch概述ElasticSearch，简称es，es是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储，检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据，es也可以使用Java开发并使用Luce

Java SpringBoot连接多个数据库1、idea新建springboot项目，在根目录下的pom.xml文件种添加相关依赖 //web <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependen