口袋AI算法-CSDN博客

原创推荐系统概述

大家好，我是Xueliang。最近要入职啦，未来我的工作内容主要聚焦于推荐领域。作为一名推荐领域的萌新，在这一个领域我要学习的东西很多。因此，这两天我产生了一个“宏大”的想法，想要通过一到两个月的时间来系统梳理推荐领域的相关技术，既有传统的方法，也会包括一些前沿的进展。相关的学习笔记我也会及时更新在我们的公众号中，希望和大家一起学习。今天我先简单梳理一下推荐系统的大概框架。推荐系统想要解决的核心问题是如何让用户高效地获取到自己感兴趣的信息。从上述推荐系统想要解决的问题中，我们可以提取出在推荐系统中

2021-07-06 15:16:37 253

原创 Meta Learning在NLP领域的应用

Hi，这里是哈林，今天来跟大家聊一聊Meta Learning在NLP领域的一些应用。哈林之前在学校科研的方向是NLP，个人对如何将先进的机器学习算法应用到NLP场景很感兴趣(因为好水paper)，同时之前也做过一些尝试(水过一些paper)。因此今天主要介绍一下Meta Learning与NLP任务结合的一些工作。话不多说，先上一个自己总结的paper list:Github链接：https://github.com/ha-lins/MetaLearning4NLP-Papers背景：元学习通常

2021-07-05 23:29:30 521 1

原创多标签学习介绍

Hi, 我是cici。很高兴可以借此平台认真的写一写读文笔记(平时都太懒了-o-)。我目前关注的方向是在线超多标签半监督学习。在一年半前的实习期间，一个跟我关系很好的实习生接到一个任务。这个任务的具体内容是帮助一家旅游公司分析用户的行为(浏览内容，留言等)找到该用户感兴趣的项目。当时我们把该任务定性为多标签问题，但是我们对该领域是一脸懵。最后我在该项目中只是参与了数据处理部分，对多标签学习模型并没有深入研究。但却埋下了一颗好奇的种子(只要是没有接触过的问题都感到新鲜 lol)。想必大多数同学也很少听说多

2021-07-02 20:42:10 846

原创 Node2Vec算法介绍

大家好，我是Linzhuo，今天又来给大家分享graph embedding的相关知识啦。在上一篇文章中，我们介绍了graph embedding的经典方法：Deepwalk，其通过随机游走(Random walk)的方式将Graph embedding与Word embedding的方法(word2vec)联系起来。在这一篇文章中，我们将介绍Deepwalk的改进方法：Node2Vec。本文约含1K字，阅读时长约4分钟。主要分为以下部分：Node2Vec 介绍Node2Vec 流程Node

2021-07-02 20:39:24 1249 1

原创 LINE算法介绍

大家好，这里是Linzhuo, 最近依然在孜(tou)孜(tou)不(mo)倦(yu)地学习图表示的相关知识。最近刚刚毕业，感谢一直以来帮助过我的小伙伴们。今天给大家带来的是图表示方法中的LINE方法。我们已经介绍了Deepwalk方法和Node2Vec方法。接下来，我们将介绍一种应用在大型网络中的Embedding技术：LINE。该方法将图结构中first-order相似性和second-order相似性结合，来获取更丰富的图表示结果。我们接下来将详细说明。本文约含1.3K字，阅读时长约8分钟。主要分

2021-07-02 20:36:21 1908

原创详解tensorflow中tf.name_scope和tf.variable_scope

大家好，我口袋AI算法小队的Xueliang。在tf框架的代码中，一个很让人迷惑的知识点就是tf.name_scope()，tf.variable_scope()，tf.Variable()，tf.get_variable()等方法的混合使用。笔者去年秋招有一位面试官问了我这个问题，当时回答地不算很好，笔者也看了网上的一些解释，感觉很多文章也没有解释地很清楚，因此有了这篇文章的产生，希望能帮助大家理解这个概念。先上结论：tf.name_scope() 提出的目的是为了更好地管理以及可视化神经网络

2021-06-29 21:26:06 398

原创 GNN理论: GNN表达能力初探

大家好，我是小士，很荣幸成为口袋AI算法小队的新成员。我关注的方向主要是图网络和图采样算法。最近在准备文章投稿，也趁这个机会和大家分享一些学习心得。GNN理论研究中，最主流之一的方向就是GNN的表达能力研究。理论的东西总是显得高大上，让人望而却步。本文不会涉及理论证明，但是会用例子形象地带领大家理解这些GNN的理论到底在研究什么，最后又是如何指导我们实践的。本次带来的是GNN表达能力研究的开山之作《How Powerful are Graph Neural Networks? 》。论文链接：htt

2021-06-29 21:17:44 330

原创面试官：听说你还不知道条件熵是什么?

大家好，我是Xueliang。想起来去年我参加秋招的时候有一位面试官问我决策树相关的问题。决策树中有一个概念叫做信息增益，其计算公式如下：Gain(Y,X)=H(Y)−H(Y∣X)Gain(Y,X)=H(Y)-H(Y|X)Gain(Y,X)=H(Y)−H(Y∣X)面试官问我，在一个具体的问题里，条件熵H(Y∣X)H(Y|X)H(Y∣X)是怎么计算的，以及它的含义是什么呢？本文内容大约1k字，阅读耗时大约5分钟。本篇文章主要分为两个部分：信息熵条件熵信息熵在决策树算法中，熵是一个非常

2021-06-25 12:32:38 809

原创一文搞懂BPE分词算法

大家好，我是Xueliang，又和大家见面了。我最近在打机器翻译的一个比赛，主要使用基于BERT的模型。在这其中，一个小的知识点引起了我的好奇，就是在将英语训练语料输入到BERT模型之前，需要对其进行BPE（Byte Pair Encoding）的操作。作为一名合格的算法工程师，当然是要搞清楚其中的原理啦～本篇文章就带大家一起快速搞懂BPE分词算法。本文主要分成两个部分，内容1500字，阅读耗时大约8分钟：BPE分词算法的由来BPE分词算法的流程词表构建语料编码语料解码BPE分词算

2021-06-25 12:30:38 1207

原创一个“普通人”的秋招算法岗上岸心得

大家好，我是海森堡。一直想写点东西总结一下自己的秋招历程，觉得在一定程度上应该能代表很多"普通人"的秋招经历。但是由于各种原因（主要是自己懒），从去年11月秋招大致结束，一直拖到现在都没有写。最近在好友的鼓励下，终于下定决心，克服懒散，提笔记录下这段艰难但也颇有意义的经历，希望能给师弟师妹们一些信心，同时少走一些弯路。另外题目中写"普通人"是因为自觉在各方面都不出彩，加引号是为了免去一些闲话，如果你看完全文还是觉得我有冒犯，那我在这里先道个歉。先介绍下自己的背景：西北某211本硕，方向为计算机视觉（CV

2021-06-23 16:49:13 309

原创 AI算法岗求职经验

Hey大家好，第一次见面，我是Lexie，很荣幸成为口袋AI算法小队的新成员。我关注的方向主要是基础机器学习、对话和推荐算法。以后将借此平台，和大家分享学习和思考的过程，恳望能在这里留下一些有价值的东西。我是2021届硕士（下个月就要去新城市入职啦o）。去年求职季浮浮沉沉，终于上岸了AB两厂的AI算法岗。此外也有真诚向我抛出橄榄枝的中等规模公司，也非常感谢他们。临近毕业，有大把的时间可以回忆和总结三年的研究生时光，决定把AI算法向的求职经验记录下来，作为人生第一次推文的内容，是结束也是开始嘛。小王同学也

2021-06-22 13:55:37 353

原创 KDD 2018｜详解Google多任务学习算法MMoE

更多算法基础知识介绍，前沿论文解读，欢迎关注微信公众号：口袋AI算法Hi，第一次见面，我是哈林，很荣幸成为口袋AI算法小队的新成员，我关注的方向主要是机器学习和搜推广算法。最近哈林在某A电商大厂的搜索部门实习，在阅读组内代码的时候发现MMoE这个知识盲区，虚心请教mentor后受到了无情嘲笑（原话：“这都不懂？你真是两手空空来呀！”）。于是哈林痛定思痛恶补了一下MMoE–Google发表在KDD 2018上的经典的多任务学习工作《Modeling Task Relationships in Multi-

2021-06-21 20:59:22 374

原创为你的推荐系统引入Graph信息!| Deepwalk算法介绍

为你的推荐系统引入Graph信息!| Deepwalk算法介绍Deepwalk 介绍Deepwalk 流程总结参考资料Hi~这里是Linzhuo，是口袋AI算法小队的成员，研究方向主要为计算机视觉和推荐系统。Linzhuo最近要入职啦，为了能更好的适应工作的节奏，最近开始复 (xian) 习 (xue) graph embedding相关的知识。之后会给大家带来我学习的一些心得，请大家期待啦。图嵌入 (Graph Embedding) 技术是推荐系统中的重要技术，在推荐系统、计算广告领域中十分流行。互

2021-06-21 10:09:23 248

weixin_38877987的博客