[toc] 背景知识: Spark与Hadoop差异 Spark是在借鉴了MapReduce之上发展而来的，继承了其分布式并行计算的优点并改进了MapReduce明显的缺陷，...
发简信
IP属地：江苏
[toc] 背景知识: Spark与Hadoop差异 Spark是在借鉴了MapReduce之上发展而来的，继承了其分布式并行计算的优点并改进了MapReduce明显的缺陷，...
为什么要layer Norm ？随着网络层数增加，特征分布会变化，为了保持特征分布的稳定性，加速收敛layer Norm 和 Batch Norm 的区别？都是 均值0 方...
为什么需要注意力机制？理解文本、图片信息，能记住的信息是有限的，模型要利用好每一刻有用的部分，把注意力放在某一个部分seq2seq 存在1、长依赖的梯度消失问题；2、瓶颈问题...
你好，文中有好几处公式没有正常加载出来
论文笔记 | SIGIR2019 | Warm Up Cold-start Advertisements: Improving CTR Predictions via Learning to L...论文地址：https://arxiv.org/abs/1904.11547 官方代码：https://github.com/Feiyang/MetaEmbedding 一 为...
词向量：和独热编码不同的是，可以表示一个词的含义，但无法表示一词多义 训练词向量的方法：基于非语言模型的方法：CBOW Skip-gram基于语言模型的方法：seq2seq ...
语言模型：用于判断一句话是否语法通顺给已经训练好的语言模型可以对任何一个文本给出概率，概率越高说明语法上越通顺 链式概率 P(今天是周日) = P(今天)P(是|今天)P(周...
seq2seq应用场景：文本生成：翻译、看图说话、生成摘要 文本理解和生成文本encoder & decoderencoder，根据输入序列生成语义向量 （h4 = C）de...
输入 x1 单词对应一个embedding，Ex1输出 y' = [y1', y2', ...] （任务不同，使用的y不同：词性标注，每个y'都要；情感分类，仅需要最后一个y...
矩阵分解法 构造矩阵X 形状式词库size×词库size分解后得到S\V\D， 其中S矩阵就是词向量坏处是 矩阵分解是全局方法，分解的过程依赖于所有的语料库，一旦语料库变了，...
文本表示基础 单词和句子的表示 迭代1：one-hot表示词库：[今天 天气 很好]句子1：[今天 天气 很好] = [1,1,1]缺点：没有顺序和权重；稀疏；无法比较语义相...
CBOW 周围词预测中心词skip gram 中心词预测周围词 SkipGram模型讲解 1.目标函数2.具备条件 两个词越相似，P(c,w;θ) 越大 3.表示方法：中心...
分词 分词效果怎么评价？ 有语料集来算准召率 下游任务来评价 单词纠错 第一步:找到拼写错误的单词第二步:生成跟上述单词类似的其他单词，当作是候选集第三步:根据单词在上下文中...
泛化和过拟合 构建泛化能力强的模型 正确的数据 合适的模型（图像：CNN） 合适的优化算法（梯度下降、adam） 避免模型过拟合 过拟合：训练集上拟合好，但在测试集上表现差通...
一、二分类问题 背景：用一个函数拟合二分类问题。最直观的是阶跃函数，但缺点：0值不可导，因此要连续可微函数 sigmoid。sigmoid函数的作用： 线性回归预测值域是实数...
论文 ： 论文题目：《P-Companion: A Principled Framework for Diversified Complementary Product Re...
你好，我理解这个模型是属于精排环节的
请教几个问题：
1.线上预测的时候，s=f(x1,x2, ..., xj) 中的x 是召回的item集合吗？
2.离线训练的时候，输入的物品的内容向量是怎么得到的？ 输入的item集合是什么呢？需要自己构造一些负样本的吗？
推荐系统论文阅读（一）-序列推荐结合长尾物品提升推荐的多样性疫情在家阅读了大量了推荐系统论文，但是都没有好好的写过博客，基本上都是精读过后只记得论文的思想，重新阅读之前的论文还会对有些数学公式一知半解。基于这方面的考虑，还是决定在阅读...
Task2 数据读取与数据分析 读取数据第一列为新闻的类别，第二列为新闻的字符。读取数据 数据洞察赛题数据中，新闻文本的长度是多少？赛题数据的类别分布是怎么样的，哪些类别比较...
天池比赛的赛题理解 赛题数据为新闻文本，并按照字符级别进行匿名处理。整合划分出14个候选分类类别：财经、彩票、房产、股票、家居、教育、科技、社会、时尚、时政、体育、星座、游戏...
可以的
通俗理解YARN运行原理导语：工作中常常和Spark on YARN, Hadoop on YARN打交道，经常在各种日志中摸爬滚打，为提升效率，总结一下YARN的知识点，希望能形成一个比较系统的方...
