- 博客(46)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 文献阅读_MFIR: Multimodal fusion and inconsistency reasoning for explainable fake news detection
用于检测虚假新闻的一篇顶刊文献，值得多次拜读。
2023-09-21 22:47:08
270
2
原创 文献阅读_Multimodal Attention-based Deep Learning for Alzheimer’s Disease Diagnosis
最新一篇关于多模态数据融合的一区论文，作者构造的模型非常有借鉴意义，宜深入了解。
2022-10-24 23:12:40
1048
原创 文献阅读_基于线上评论的区域消费环境放心度与空间特征研究
本文的亮点在于对关于消费者在线评论影响因素的归纳整理，以及将线上线下信息进行对比验证研究的必要性。
2022-09-24 19:35:00
229
原创 文献阅读_在线初次评论与在线追加评论对商品销量影响的比较研究
石文华老师的系列文章，能够加深在线评论对商品销量研究的理解，字斟句酌，也是教科书似的一篇文献。
2022-08-08 23:56:28
405
原创 文献阅读_Vistanet: Visual aspect attention network for multimodal sentiment analysis
顶会期刊，非常经典的一篇多模态情感分析文献，值得好好拜读。
2022-08-04 23:09:37
1061
原创 文献阅读_国内外旅游在线评论研究综述
旅游在线评论被视为传统口碑的电子形式，是旅游者安排旅游行程时依赖的重要信息来源，对旅游者和旅游营销意义重大，逐渐受到学术界的重视。基于此，检索２００７－２０１６年发表在学术期刊上的旅游在线评论相关国内外文献，通过梳理和分析发现：国内外研究者集中关注酒店业，对其他研究对象关注较少。研究内容主要包含旅游在线评论和产品销售、旅游在线评论和旅游决策、旅游在线评论和信息评估、旅游在线评论和顾客满意度管理以及旅游在线评论和评论发送者五大方面。......
2022-07-05 19:29:21
596
原创 文献阅读_基于多模态数据语义融合的旅游在线评论有用性识别研究
本文主要运用多模态融合技术通过构建TextCNN-BILSTM融合模型，采取对比实验方法对旅游在线评论做有用性识别分析。
2022-07-01 11:20:31
382
原创 文献阅读_Multimodal data fusion: an overview of methods, challenges, and prospects
2015年发表于国外顶刊的一篇高被引文献，多次拜读，每次都有不一样的收获。
2022-06-16 21:54:06
840
原创 计量经济学知识总结（更新中）
总结计量经济学基本知识（持续更新中），参考陈强老师的《高级计量经济学及Stata应用》第二版，给自己一学期的计量学习做个总结。
2022-06-11 16:42:14
1413
原创 文献知识图谱绘制
VOSviewer:荷兰莱顿大学开发的文献可视化分析工具。使用基于VOS聚类技术实现知识单元可视化工具。突出特点可视化能力强，适合于大规模样本数据。四种试图浏览：标签视图、密度视图、聚类视图和分散视图。...
2022-05-03 00:29:32
2012
5
原创 我的创作纪念日
机缘笔者本科专业是信息管理，现在研究生跨专业改学经济学，刚开始入驻CSDN，做博客的想法是不想把之前学的东西都丢掉（怪可惜的），而且经过本科四年的学习，自己渐渐对这一领域产生了兴趣，虽然不会以后当成主要就业方向，但当个副业也还是蛮香的。例如：实战项目中的经验分享日常学习过程中的记录通过文章进行技术交流…收获每天打开电脑的第一件事就是看看CSDN上自己的访问量涨了多少，每天能与很多人分享知识，实在是一件幸福的事。现在自己的知识储备还是十分有限。提示：在创作的过程中都有哪些收获例如：
2022-04-19 23:58:38
717
7
原创 打家劫舍系列问题
#class Solution: def rob(self, nums: List[int]) -> int: if not nums: return 0 size = len(nums) if size == 1: return nums[0] dp = [0] * size dp[0] = nums[0] ..
2022-03-30 16:00:26
73
原创 爬虫方法论（数据解析方法汇总）
数据解析分类：正则表达式bs4xpath （最常用且最便捷高效的一种解析方式）数据解析原理概述：解析的局部的文本内容都会在标签之间或者标签对应的属性中进行存储步骤：进行指定标签的定位；标签或者标签对应的属性中存储的数据值进行提取正则表达式bs4进行数据解析步骤：bs4解析原理：实例化一个BeautifulSoup对象，并且将页面源码数据加载到该对象中通过调用BeautifulSoup对象中相关的属性或者方法进行标签定位和数据提取环境安装：- pip install bs4
2022-03-25 09:06:05
327
原创 常用Stata命令（持续更新中）
例如，province 是个体变量名， year是时点变量名（注：在运行面板数据的相关命令前，要运行下列命令）第一步：encode province, gen(id)#生成新变量ID（取值为1,2,3...）来替代province#若个体变量为1,2,3...整数，就无需使用encoder命令第二步：xtset id year#本命令相当于告诉Stata, 该数据为面板数据......
2022-03-22 10:15:11
12681
原创 斐波那契数列（Python）
斐波那契数列（Python）class Solution: def fib(self, n: int): # if n == 0: # return 0 # elif n == 1: # return 1 # else: # return self.fib(n-1) + self.fib(n-2) #上述算法不适合大数计算，容易超出时间限制
2022-03-15 21:23:25
840
原创 组合总和(Python)
class Solution: def combinationSum(self, candidates: List[int], target: int) -> List[List[int]]: #对数组进行排序，最小值 > target的话，则return back #组合情况： candidates.sort() #对数组进行排序 if candidates[0] > target : ..
2022-03-05 22:54:36
817
原创 四数之和（Python）
class Solution: def fourSum(self, nums: List[int], target: int) -> List[List[int]]: #对数组进行大小排序 nums.sort() # return nums if len(nums) < 4: return [] ans = [] for i in range(0,..
2022-02-13 23:48:43
917
原创 手写数字识别----CNN(卷积神经网络)
from sklearn.datasets import load_digits # sklearn 为我们提供的手写数字数据集import numpy as np# 数据预处理digits = load_digits()X_data = digits.data.astype(np.float32)y_data = digits.target.astype(np.float32).reshape(-1, 1)X_data.shape, y_data.shape# 数据的标准化（norm
2022-02-07 22:11:28
1124
原创 手写数字识别---K近邻算法
K-近邻算法的三个要素1、K值大小的选择（测试数据交叉验证）一般为3-10之间2、距离的度量方法（欧式距离、曼哈顿距离）3、分类决策规则（多数表决）
2022-02-07 22:10:01
1186
2
原创 三数之和(Python)
class Solution: def threeSum(self, nums: List[int]) -> List[List[int]]: if len(nums) < 3: return [] else: res = [] nums.sort() n = len(nums) for i in range(n - 2): .
2022-01-26 10:31:43
4878
原创 英文参考文献的著录规范
英文文献的规范列式在日常的科研生活中，不免会阅读大量的文献，同时在撰写科研论文的时候也会去参考，那么该如何标准的引用英文参考文献（其实是被老板训了好几次，这次下决心一定要把这个顽疾除掉）...
2022-01-15 23:34:40
14177
转载 基础神经网络（理论篇）
神经网络神经网络的概念神经网络的计算过程前向计算过程反向求导过程常见激活函数SigmoidTanhReLUSoftmax常用激活函数比较参数初始化方法交叉熵损失函数交叉熵 + Softmax交叉熵 + Sigmoid梯度消失与梯度爆炸优化方法随机梯度下降（SGD）过拟合处理方法DropoutL2正则化Batch Normalization(批规范化)神经网络的概念逻辑回归、感知机均只包含一个输入层以及一个输出层，只能处理线性可分问题。如果在输入层与输出层之间加入一层到多层的隐藏层，就会得到神经网络结构
2022-01-15 19:13:48
381
原创 使用Pandas进行数据分析
介绍通过分析电信运营商的客户离网率数据集来熟悉Pandas数据分析，并构建一个预测客户离网率的简单模型#导入必要的包import numpy as npimport pandas as pdimport warningswarnings.filterwarnings('ignore')#读取数据df = pd.read_csv( 'https://labfile.oss.aliyuncs.com/courses/1283/telecom_churn.csv')df.head()
2021-11-29 01:17:24
7533
原创 构建卷积神经网络（Convolutional Neural Network,CNN）
本节重点讲解通过代码构建CNN，具体理论知识会在以后专栏讲解，在此不过多赘述。卷积神经网络是一类在图像识别相关学习任务汇总非常有效神经网络。相比于人工神经网络，卷积神经网络可以最大限度地保留图像数据的原始空间信息。目前卷积神经网络已经被广泛应用于人脸识别、场景标签、图像分类、动作识别和文档分析等各种实际问题。除此之外，在自然语言处理领域的语音识别和文本分类问题上，卷积神经网络也被证明能够达到最佳的准确率。卷积神经网络通常由三种层组成：输入层隐藏层输出层注：隐藏层包含卷积层、池化层和全连接层
2021-11-26 12:52:45
2950
爬取豆瓣电影TOP250
2021-05-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人