Graph Embedding
文章平均质量分 80
RecDay2018
这个作者很懒,什么都没留下…
展开
-
算法工作两年,我的思考和总结
18年毕业到现在,算法工程师的工作已过去两个年头,有挫败也有欢喜,感谢老板同事伙伴们的帮助。和工作第一年相比(我做算法工程师的第1年),在业务认识、工作方法、算法应用和落地有了不一样的体会和认识,趁着周末总结一番,与君共勉。|意愿和思维调整和工作第一年相比,我觉得最重要的一点是需要尽快的完成意愿和思维的调整,从任务思维快速转换至项目思维。任务思维:依赖他人对于任务的准确划分和定义,欠缺独立的思考和想法,容易陷入被动接受指导的境地,把按时完成任务作为自己工作成果的主要衡量指标,缺乏牵引和更深层次.原创 2020-06-06 18:34:51 · 478 阅读 · 0 评论 -
几种常见的Graph Embedding方法
图(Graph)是一个常见的数据结构,现实世界中有很多很多任务可以抽象成图问题,比如社交网络,蛋白体结构,交通路网数据,以及很火的知识图谱等,甚至规则网络结构数据(如图像,视频等)也是图数据的一种特殊形式。针对graph的研究可以分成三类:1.简单的graph算法:如生成树算法,最短路算法,复杂一点的二分图匹配,费用流问题等等;2.概率图模型:将条件概率表达为图结构,并进一步挖掘,典型的有条件随...原创 2018-10-31 20:15:43 · 18458 阅读 · 2 评论 -
深度学习在推荐领域的应用lookalike
lookalike系统是帮助广告投放商利用种子用户找到相似的用户,实现更精准的营销触达的系统。常见的looklike可以分为显性定位和隐性定位,1.显性定位,根据用户标签直接定位,包括用户基本信息、兴趣等,需要实现对用户标签信息的挖掘2.隐性定位,利用算法进行定位 • 技术:机器学习当2012年Facebook在广告领域开始应用定制化受众(Facebook Custom Audienc...原创 2018-12-13 16:23:31 · 1609 阅读 · 0 评论