sslfk的博客

基于bert的下游任务训练实现样例：simcse

tf-idf的计算方式，可以用于用户画像、物品画像的构建

别名数据获取

用户埋点设计：类型 说明 属性名称 事件id 前端根据每次事件生成一个全局唯一id event_id 事件时间 时间发生时的时间 event_time 用户id user_id 推荐结果 推荐对应的结果，仅当为推荐时间时使用 rec_result 点击新闻id 用户点击新闻id click_news_id 标签列表 1、对于新闻点击，对应为被点击新闻的标签 2、对于拉黑新闻

相似最近邻查询算法的封装。可以用来计算高维大数据时的向量计算问题

P/N：表示模型预测的结果积极或消极。T/F：表示模型预测的结果正确或错误。所以TP：表示模型预测为positive是准确的TN：表示模型预测为negtive是正确的FP：表示模型预测为positive是错误的FN：表示模型预测为negtive是错误的准确率（accuracy）=(TP + TN)/(TP+TN+FP+FN)，表示模型预测准确的概率查准率-精准率(Precision) = TP/(TP+FP)，表示预测为positve的结果中预测正确所占的比例查全率-

参考：https://www.elastic.co/guide/en/elasticsearch/reference/7.5/query-dsl-mlt-query.html对应的代码为：{ "query": { "more_like_this" : { "fields" : ["name.first", "name.last"], "like" : [ { "_inde

elasticsearch 逐字联想

NLP对应的算法包括：分词 词向量 句子向量 命名实体识别 意图识别预训练的模型内容查看：Models - Hugging Facetransformers工具的说明文档参考：???? Transformers著名网络博主：huggingface-Transformer学习笔记1 - 知乎Huggingface Transformers库学习笔记（一）：入门（Get started）_u011426236的博客-CSDN博客_huggingface transformers入门.