原创 讀書筆記:推薦系統與深度學習-第五章-混合推薦系統

1 什麼是混合推薦系統 目前介紹的算法各有利弊: 基於內容的推薦方法:一類item的特徵描述 協同過濾:利用user和item的特定類型的信息轉化生成推薦結果 社交網絡的推薦算法:根據user的相互影響關係進行推薦 所以,希望構

原创 吳恩達-deeplearning-第四課卷積神經網絡-第四周 課程筆記 神經風格轉換與人臉識別

課程來源:網易雲課堂與coursera 一、神經風格轉化 1、理論 問題描述:給定一張需要轉化的內容圖像(C)一張想要轉化成的風格的圖像(S),通過無監督學習的方法將其轉化爲有S風格的內容圖像G。 解決方案:對C、S、G三個圖

原创 Transformers in NLP (一):圖說transformer結構

從transformer開始,nlp的模型漸漸開始成爲了transformer一族的天下,所以想寫一個系列聊一聊在nlp中那些運用transformer的模型。 作爲這個系列的第一篇,就從大名鼎鼎的transformer結構開始。

原创 斯坦福大學-自然語言處理入門 筆記 第六課 文本分類與樸素貝葉斯

一、文本分類任務概述 1、應用領域 歸類 垃圾郵件識別 作者識別 性別/年齡識別 等等 2、定義 輸入:一個文檔d,一系列固定的類型C={c1,c2,…,cj} 輸出:預測類別c ∈ C 3、分類方法 手工規則:很精確但

原创 讀書筆記:推薦系統與深度學習-第四章-推薦系統的基礎算法

前言:這本書是由清華大學出版社的《推薦系統與深度學習》,由黃昕、趙偉、王本友、呂慧偉、楊敏編著,前三章分別是對推薦系統的簡單介紹、對深度學習的介紹以及對tensorflow的介紹,這裏就不做筆記了。 這一章主要介紹了傳統的一些推薦方法

原创 讀書筆記:推薦系統實踐-第八章-評分預測問題

1、離線實驗方法 測評目的:找到好的模型小化測試集的RMSE 劃分測試集與訓練集 和時間無關的預測任務,可以以均勻分佈隨機劃分數據集 和時 間相關的任務,那麼需要將用戶的舊行爲作爲訓練集,將用戶的新行爲作爲測試集 2、評分

原创 讀書筆記:推薦系統實踐-第六章-利用社交網絡數據

1、獲取社交網絡數據的途徑 電子郵件:一般只有具有郵件系統的公司有研究社交關係的機會;如果獲得了用戶的郵件,可以使用郵箱後綴得到社交關係信息;社交官網還可以從電子郵件聯繫人中導入好友,進行冷啓動。 用戶註冊信息:如學校、公司等 用戶

原创 讀書筆記:推薦系統實踐-第七章-推薦系統實例

1、外圍架構 UI系統負責給用戶展示網頁並和用戶交互。 網站會通過日誌系統將用戶在UI上的各種各樣的行爲記錄到用戶行爲日誌中。日誌可能存儲在內存緩存裏,也可能存儲在數據庫中,也可能存儲在文件系統中。 推薦系統通過分析用戶的行爲日誌

原创 讀書筆記:推薦系統實踐-第四章-利用用戶標籤數據

1、UGC標籤系統的代表應用 Delicious:給網頁打標籤 CiteULike:給論文打標籤 Last.fm:給音樂打標籤 豆瓣:書影音 Hulu:視頻 打標籤的作用: 表達 標籤系統幫助我表達對物品的看法。 組織 打標籤幫

原创 讀書筆記:推薦系統實踐-第五章-利用上下文信息

1、時間上下文信息 1.1 時間效應簡介 時間信息對用戶興趣的影響主要表現在以下幾個方面: 用戶興趣是變化的,應該關注用戶最近的行爲 物品也是有生命週期的 季節效應,節日也是 1.2 系統時間特性的分析 包含時間信息的用戶行爲數據

原创 讀書筆記:推薦系統實踐-第三章-推薦系統冷啓動問題

1、冷啓動問題簡介 冷啓動主要分爲三類: 用戶冷啓動 物品冷啓動 系統冷啓動 對於冷啓動問題的一些解決方案: 提供非個性化推薦,如熱門排行榜,行爲數據積累到一定程度以後再用個性化推薦 利用用戶註冊時提供的年齡、性別等數據做粗粒度

原创 讀書筆記:推薦系統實踐-第二章-利用用戶行爲數據

1、用戶行爲數據簡介 用戶行爲在個性化推薦系統一般會分爲兩種:顯性反饋行爲和隱性反饋行爲。 如何用統一的方式表示這些所有的行爲? 不同行爲的不同數據集 無上下文信息的隱性反饋數據集 每一條行爲記錄僅僅包含用戶ID和物品ID。

原创 讀書筆記:推薦系統實踐-第一章-好的推薦系統

1、什麼是推薦系統? 推薦系統作用可以解決信息過載的問題 幫助用戶發現對自己有價值的信息 讓信息能夠展現在對它感興趣的用戶面前,從而實現信息消費者和信息生產者的雙贏 推薦系統和搜素引擎是互補工具 搜索隱形滿足了用戶有明確目的時的

原创 斯坦福大學-自然語言處理與深度學習(CS224n)筆記 第十三課 NLP中的卷積神經網絡(CNN)

課程概要 1、卷積神經網絡(CNN) 爲什麼需要在自然語言處理中引入卷積神經網絡? 什麼是卷積? 單層的卷積 多通道(Multi-channel) 在完成卷積之後,如何進行分類任務? 2、訓練技巧 3、CNN的一些變體應用 4、模

原创 斯坦福大學-自然語言處理與深度學習(CS224n)筆記 第十二課 語音處理的端對端模型

課程概要 1、自動語音識別(ASR) 2、語音識別:經典的方法 3、端對端訓練模型 Connectionist Temporal Classification(CTC) 基於attention的序列對序列音頻模型 在線序列對序列模型