![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐/Rank系统
文章平均质量分 83
wishchin
CV算法工程师:从事室内场景感知方面工作,完成算法实验和软件开发。
展开
-
推荐系统的封闭和禁锢问题
参考:推荐系统的十个关键点_wishchinYang的专栏-CSDN博客_推荐系统项目技术点。推荐系统的第一-冷启动问题,类似于一个小白第一本书是读到基督教的书,第一页写着人是上帝那玩意的羔羊,能被坑死一生。冷启动可以使用标签标示、随机推荐等一些列策略缓解。推荐系统的最大问题,则来到了这几年很火的“信息茧房”,这是一个很难冲破的现状。当然引入随机可以解决任何算法难题,这样效果就难以预料,也失去了推荐系统本身的意义,且大数据的随机性有待验证。算法没有价值观 当算法没有价值观的时候,出...原创 2021-09-11 17:44:39 · 197 阅读 · 0 评论 -
CNN结构:色彩特征提取-从RGB空间到HSV空间(色彩冷暖判断)
色彩冷暖判断不管是什么色相,都有冷暖之分,即使是蓝色也有偏暖的蓝,即使是红色也有偏冷的红。色彩冷暖具有相对性色彩明度变高/变低的过程,色彩冷暖倾向会变得不明显。色彩纯度变高,冷暖倾向变明显。转载 2017-11-27 17:34:33 · 4134 阅读 · 0 评论 -
CNN结构:色温-冷暖色的定义和领域区分(一)
转自知乎和百度百科:从零开始学后期 (色温的奥秘) 文章: 冷暖色区分?冷暖肤色适用于那些色系的彩妆? 文章:干货 |如何判断人体色冷暖?如何判断色彩冷暖?(值得收藏研读!) -蒜苗的回答 百科定义: 色温是表示光线中包含颜色成分的一个...原创 2017-11-22 15:06:22 · 8455 阅读 · 0 评论 -
MaskRCNN:三大基础结构DeepMask、SharpMask、MultiPathNet
MaskXRCnn俨然成为一个现阶段最成功的图像检测分割网络,关于MaskXRCnn的介绍,需要从MaskRCNN看起。 当然一个煽情的介绍可见:何恺明团队推出Mask^X R-CNN,将实例分割扩展到3000类。 MaskRCnn取得的精细结果有三个主要技术构架:DeepMask、SharpMask、MultiPathNet。MaskRCNN与...转载 2018-03-22 17:45:36 · 3961 阅读 · 0 评论 -
| 一文读懂迁移学习(附学习工具包)
当一个CNN用于另一个领域,就使用到了迁移学习。迁移学习是一种用于模型领域泛化和扩展的工具。 文章链接:独家 | 一文读懂迁移学习(附学习工具包) 参考:当深度学习成为过去,迁移学习才是真正的未来? 知乎:什么是迁移学习?2018年03月15日 17:24:291. 前言迁移学习(Transfer...转载 2019-06-17 14:43:39 · 2365 阅读 · 0 评论 -
TF实战:(Mask R-CNN原理介绍与代码实现)-Chapter-8
这篇文章写的挺辛苦,不过对于Mask介绍着墨不多。 文章: TF实战:Chapter-8上(Mask R-CNN介绍与实现) ............................................... MRCNN采用和Faster R-CNN相同的两个阶段,具有相同的第一层(即RPN),第二阶段,除了预测种类和bbox回归,并且并...转载 2018-04-03 15:28:50 · 1141 阅读 · 0 评论 -
语义分割:使用关系图辅助图像分割-Capsule Network、IceNet
文章:欲取代CNN的Capsule Network究竟是什么来头?它能为AI界带来革命性转折么?转载 2018-06-06 16:48:35 · 1933 阅读 · 0 评论 -
博客需要搬家
太他nia的垃圾了,写完之后点击发布,只保留了前一段,后面的长篇大论全都没了,感情是自动保存草稿的那一段,其他的呢。其他的呢?本地的没有上传上去,这个缓存机制有很大问题,太恶心人了!转移到其他地方吧................原创 2019-06-14 16:52:22 · 880 阅读 · 1 评论 -
个人技术博客的选择:CSDN、博客园、简书、知乎专栏还是Github Page?
文章链接:个人技术博客的选择:CSDN、博客园、简书、知乎专栏还是Github Page? 感觉还是Fuck The Dog!看来还是以后把文章写在本地,然后再上传到CSDN吧。被CSDN的缓存机制坑了几次,得非常注意这次事件才行!!!...转载 2018-06-19 17:21:50 · 4762 阅读 · 0 评论 -
StyleAI:印象坐标-感情色彩量化/感情近邻关系
色彩的搭配:怎样才算好?根据艺术设计理论,艺术也可以量化,感情色彩也是如此,找到合适的量化方式,就可以以计算机形式重新构建。 进行图像感情色彩量化,使用了 OCR + 图方法,结果使用OpenCV在HSV色盘上画出来。这个色盘比 潘通色卡 和所谓的 莫兰迪色 配色强大多了。 wishchin的花瓣链接:http://huaban.com/p7viar...原创 2018-09-05 15:18:16 · 2464 阅读 · 0 评论 -
StyleAI:色调、感情色彩量化、色彩交流API-PCCS颜色体系
参考文章:日本色研配色體系PCCS。https://en.wikipedia.org/wiki/Color。 1965年前后人们通过生理学实验验证了Thomas Young的假设,在眼睛中的确存在三种不同类型的锥体。看看这个巴黎大学的知乎回答:为何人眼选择了390-700nm作为自身的感光范围?下图:人眼和蜂鸟的感光分布. 鸟的四种感色细胞,感...翻译 2018-09-20 14:29:42 · 5453 阅读 · 0 评论 -
推荐系统:MovivLens20M数据集解析
此数据集描述了5星之内的电影不受限制的标记,用于给出用户推荐。数据集包含了138493个用户对27278个电影的20000263个评分和465564个标签。此评价收集于1995年1月到2015年3月之间,并在2016年10月17日更新为csv格式。用户为随机选取,每个选取的用户至少评分20个电影。没有人口统计信息。每个用户只给出一个ID,且不涉及其他私人信息。原创 2017-09-22 10:59:02 · 4240 阅读 · 0 评论 -
推荐系统的十个关键点
亚马逊的CEO Jeff Bezos曾经说过,他的梦想是“如果我有100万个用户,我就要为他们做100万个亚马逊网站”。智能推荐系统承载的就是这个梦想,即通过数据挖掘技术,为每一个用户实现个性化的推荐结果,让每个用户更便捷的获取信息.转载 2014-02-13 16:06:43 · 2116 阅读 · 0 评论 -
open source project for recommendation system
目前互联网上所能找到的知名开源推荐系统(open source project for recommendation system),并附上了个人的一些简单点评(未必全面准确):SVDFeature,上大C++语言;Crab是基于Python;CofiRank,C++开发;EasyRec=Java开发;Graphlab基于C++分布graph;Mahout知名度很高.................转载 2014-02-13 16:13:55 · 1374 阅读 · 0 评论 -
混合推荐系统 类型
混合推荐系统是推荐系统的另一个研究热点,它是指将多种推荐技术进行混合相互弥补缺点,从而可以获得更好的推荐效果。最常见的是将协同过滤技术和其他技术相结合,克服cold start的问题。(1)加权型(2)转换型(3)合并型(4)特征组合(5)瀑布型(6)特征递增型(7)元层次型转载 2014-02-13 16:15:04 · 2252 阅读 · 0 评论 -
基于物品的协同过滤ItemCF的mapreduce实现
基于物品的协同过滤ItemCF数据集字段:1. User_id: 用户ID2. Item_id: 物品ID3. preference:用户对该物品的评分算法的思想:1. 建立物品的同现矩阵A,即统计两两物品同时出现的次数转载 2014-12-28 18:10:46 · 1550 阅读 · 1 评论 -
搜索引擎的查询意图识别(关联分析)
通用搜索VS垂直搜索: 通用搜索特点: 抓取互联网上一切有价值的页面,同意建立索引,以关键字匹配为基本检索方式,以网页title和summary为展现方式 google, 百度,搜狗,搜搜,有道 垂直搜索特点: 以一特定类别为主题,只抓取与主题相关信息,根据主题特点有针对性的建立相应的索引检索方式,筛选方式,以及展现方式 机票搜索,地图搜索,购物搜索转载 2015-04-11 21:31:19 · 4194 阅读 · 0 评论 -
推荐系统的基本原理
冷启动问题:推荐系统需要数据作为支撑。但亚马逊在刚刚开始做推荐的时候,是没有大量且有效的用户行为数据的。这时候就会面临着“冷启动”的问题。没有用户行为数据,就利用商品本身的内容数据。这就是推荐系统早期的做法。转载 2017-09-05 11:06:19 · 563 阅读 · 0 评论 -
Canopy聚类算法分析
与传统的聚类算法(比如 K-means )不同,Canopy 聚类最大的特点是不需要事先指定 k 值( 即 clustering 的个数),因此具有很大的实际应用价值。与其他聚类算法相比,Canopy聚类虽然精度较低,但其在速度上有很大优势,因此可以使用 Canopy 聚类先对数据进行“粗”聚类,(摘自于Mahout一书:Canopy算法是一种快速地聚类技术,只需一次遍历数据科技得到结果,无法给出精确的簇结果,但能给出最优的簇数量。可为K均值算法优化超参数..K....)转载 2015-04-15 22:09:46 · 7423 阅读 · 12 评论 -
推荐系统中基于深度学习的混合协同过滤模型
协同过滤的一个关键点是协同,即找到用户喜好相似的K个用户,一个多维向量的K近邻查找方法。 提出了一种Additional Stacked Denoising Autoencoder(aSDAE)的深度模型用来学习User和Item的隐向量,该模型的输入为User或者Item的评分值列表,每个隐层都会接受其对应的Side information信息的输入(该模型灵感来自于NLP中的Seq-2-Seq模型,每层都会接受一个输入,我们的模型中每层接受的输入都是一样的,因此最终的输出也尽可能的与输入相等)。转载 2017-09-14 16:30:23 · 3559 阅读 · 0 评论 -
推荐系统入门:作为Rank系统的推荐系统(协同过滤)
推荐系统是一个Rank系统原创 2017-09-05 10:53:28 · 2873 阅读 · 0 评论 -
信息检索及DM必备知识总结:luncene
信息检索和网络数据领域(WWW, SIGIR, CIKM, WSDM, ACL, EMNLP等)的论文中常用的模型和技术总结(为什么概率是可靠的,概率隐藏了大部分事实,而给予我们可以看得见的部分.)转载 2014-01-23 14:10:55 · 882 阅读 · 0 评论