NLP与推荐算法

大模型统一接口API设置

GPT-4o流式数据处理，二次转发

大模型在法律行业的应用及落地方案

pdf拆分

ChatGLM-6B微调之Lora版本

基于亿级高纬度向量数据的检索

用于GPT2文本生成的OpenWebtext数据集。

基于本地知识库的智能问答。

query与doc的相关性demo，测试了title为doc时的相关性，效果较差，因为doc与query之间是不同纬度，query中的词在doc并不会出现，所以很难做。

推荐算法tf-serving部署服务，docker部署CPU，GPU都可以。

推荐算法之召回模型SDM，DSSM，FM，MIND，YouTubeDNN模型

chatgpt国内版本初步上线（仅供参考）

信息抽取中的事件抽取

文本聚类探索与实践，文本分类用于聚类能行么？

bug记录-自然语言处理

SBERT论文详解并附代码。STS任务

bert论文解读及微调方法

飞酱NLP之信息抽取，知识抽取，关系抽取UIE

fastTEXT如何做压缩的

NLP基本业务：阅读理解，因果模型，文本生成，翻译

NLP基本业务，纠错，掩蔽词MASK，NER，情感分析，文本摘要

fastTEXT自然语言处理，词向量，文本分类

广告算法基本概念

推荐算法八股文，必看

java-spark-SQL数据处理，主要用java写的，将SQL转换成java表达

用spark进行ALS推荐

wide&deep和deepFM有啥不同

ESMM模型排序及服务部署。

由之前的数据存储格式tfrecord，那么在解析raw_data的时候可以使用io（io就是input和ouput）下面的函数进行处理，如下示例，For Recommendation in Deep learning QQ Group 277356808For deep learning QQ Second Group 629530787I'm here waiting for you1-离散特征tf.feature_column.categorical_column_with_hash_.

wide deep模型的几个问题思考

tf-serving部署

tfrecord读写点击曝光数据

SQL高级查询方法及条件设置

之前有人问我，如何挑出一个月的最大值及其特征，比如有三列，分别是user_id，item_id，time，其中time是停留时长，这个问题就是找出这个用户，他这一行是什么，我当时就懵逼了。我说我直接全部拉下来这个月的数据，然后py操作取最大值即可。。。game overFor Recommendation in Deep learning QQ Group 277356808For deep learning QQ Second Group 629530787I'm here waiting f

gbdt调参如何优化

点击曝光日志的基本处理方法

hi各位大佬好，我是你最爱的小明哥。这周主要任务是新增召回特征，据可靠信息，某个特征相当牛逼，单独即可发挥相当不错的效果，线上CTR是最好的，目前本大佬进行一个测试，只有这个特征的与纯ID特征的进行对比。大佬们，看完投个票呗。For Recommendation in Deep learning QQ Group 102948747For deep learning QQ Second Group 629530787I'm here waiting for you不接受这个网页的私聊/私信！！！..

hi各位大佬好，我是小明哥，节后及年前的工作是排序，从此以后的重点也是排序。召回排序，只做其一被人看轻，所以都要会，然后全面深入。For Recommendation in Deep learning QQ Group 277356808For deep learning QQ Second Group 629530787I'm here waiting for you不接受这个网页的私聊/私信！！！欢迎关注微信视频号、快手：小明哥直播间1-训练数据的构成点击序列依旧是关键词，到哪都是

hi各位大佬好，我是菜鸟小明哥。近期，召回模型在客户端（千万DAU）表现（CTR）跌宕起伏，犹如过山车，一段时间效果相当好，一段时间跌入谷底，与股市相似，但不同的是，CTR始终在某一数值上下浮动（范围不大），这个数值我称之为“平流层”。作者简介：小李飞刀李寻欢，负责客户推荐工作。声明：本文不针对任何人，就事论事。有事群里骂我来。For Recommendation in Deep learning QQ Second Group 1029487471-attention与transforme

hi各位大佬好，之前关注的是sampled_softmax_loss，然而负采样的方法并不是只有一两个，其实很多，但tf自带的不多，考虑到效率及效果问题，先采用tf自带函数，那么本篇就探索另一个负采样，即NCE。【本文效果提升明显，不便公开】For Recommendation in Deep learning QQ Second Group 102948747For Visual in deep learning QQ Group 629530787I'm here waiting for you