原创 聯邦學習論文閱讀：Federated collaborative filtering
今年一月剛掛上arXiv的一篇聯邦推薦文章Federated collaborative filtering for privacy-preserving personalized recommendation system。 摘要
2019-04-02 20:24:10
原创 聯邦學習
歷史 聯邦學習的概念最早由google於17年提出[1]，他們構建了一個橫向聯邦模型用於提升用戶下一步輸入預測的準確性。 解決的問題 數據隔離 少標籤數據 傳輸過程隱私安全 分類 橫向聯邦模型：用戶特徵一致，用戶不一致 縱向聯邦
2019-04-01 20:27:20
原创 聯邦學習論文閱讀：Federated meta-learning for recommendation
2018年fb的文章Federated meta-learning for recommendation的閱讀筆記 想法 用元學習的方法解決少數據的問題，並用差分隱私保護用戶的隱私性 這篇文章作者聲稱有兩點創新，一是meta-lea
2019-04-01 20:27:20
23
原创 推薦系統論文閱讀：Entire Space Multi-Task Model
阿里18年的論文Entire Space Multi-Task Model: An Effective Approach for Estimating Post-Click Conversion Rate. code已經開源：代碼
2019-04-01 20:27:20
原创 pytorch筆記一：構建CNN和參數可視化
構建一個CNN網絡 class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.C
2019-03-26 20:27:14
原创 推薦系統筆記一：overview
Motivated by Dr. Wu, briefly summarize the paper for future reference. This overview is based on my understanding of
2019-03-26 20:27:14
1
原创 Low-resource Neural Machine Translation
調研了一下目標領域少數據的機器翻譯問題，持續更新中 Low-Resource MT 指在source domain有大量數據，而target domain數據很少，希望能遷移一些知識來提高target domain翻譯的效果。 Low
2019-03-20 20:27:59
原创 推薦系統數據集
Mark一下，稍後總結 http://shuaizhang.tech/2017/03/15/Datasets-For-Recommender-System/ https://github.com/caserec/Datasets-fo
2019-03-20 20:27:59
原创 聯邦學習論文閱讀 Federated Online Learning to Rank with Evolution Strategies
這是今年剛在WSDM上發表的一篇文章，在聯邦學習的框架下考慮了實時排序算法的實現，作者將這個框架稱爲Federated Online Learning to Rank (FOLtR)。 code開源地址 解決什麼問題？ 如何在數據保存
2019-03-14 19:48:20
2
原创 讀取，儲存數據
def picklesave(obj,file): ff = open(file,'wb') pickle.dump(obj,ff) ff.close() def pickleload(file):
2019-03-11 18:39:39
原创 遷移學習論文閱讀：Transfer Learning via Learning to Transfer
論文地址 2018cvpr的論文，作者提出了一個L2T的框架，目的是對於一個新的任務，利用以前的經驗來幫助決定如何進行遷移，從而避免之前需要嘗試多種遷移方法的情況。 實驗分爲兩個步驟： 第一步：從以往的經驗中得到三個數據，源領域和目
2019-03-07 23:46:49
原创 最大均值差異 Maximum Mean Discrepancy(MMD)
最大均值差異MMD用於衡量兩個分部之間的相似性，遷移學習中經常用其來衡量源領域和目標領域的差異性。它的基本假設是：如果對於所有以分佈生成的樣本空間爲輸入的函數f，兩個分佈生成的樣本足夠多，且其對於函數f所有對應值的均值都相等，那麼可以
2019-03-07 23:46:49
82
原创 遷移學習論文閱讀：Taskonomy: Disentangling Task Transfer Learning
Taskonomy: Disentangling Task Transfer Learning是CVPR2018的最佳論文，斯坦福大學Guibas組的文章。 論文地址：http://taskonomy.stanford.edu/tas
2019-03-06 16:33:47
23
原创 CDN筆記二 Locality Sensitive Hashing算法 續
This is part of my general survey on LSH in CDN class. NN search Given a set P of n points, design an algorithm that,
2018-12-25 23:41:05
1
原创 CDN筆記一 Locality Sensitive Hashing算法
本篇筆記基於文章Similarity search in high dimensions via hashing。 歷史 locality-sensetive hashing 局部敏感哈希，簡稱爲LSH，最早由Indyk於1998年提
2018-10-27 08:27:05