终其一生,我们只不过在寻找自己

0%

最近有调研几篇知识图谱在推荐系统的应用的论文,在组内进行了分享。在这里写成文字版,给大家普及一下知识图谱的背景以及在推荐上的应用。如有错误,望指正。

1
2
3
4
5
6
背景介绍(2012-2020)
推荐场景发展
1. Collaborative knowledge base embedding for recommender systems KDD, 2016, Microsoft
2. Deep knowledge-aware network (DKN) 2018, ShanghaiJiaoTongU
3. RippleNet: Propagating User Preferences on the Knowledge Graph for Recommender Systems, 2018, ShanghaiJiaoTongU
总 结

阅读全文 »

本文回顾近几十年发展过程,展望一下未来20年的发展方向。雷军说,站在风口,猪都能飞。既然大家都是猪,就要找好风口。

国家发改委首次明确「新基建」范围,具体涵盖

  1. 5G 基建
  2. 工业互联网
  3. 人工智能
  4. 大数据中心
  5. 高速公路轨道交通
  6. 新能源汽车充电桩
  7. 特高压
阅读全文 »

平衡业务策略与模型之间的关系。策略能力有限,模型也“没有银弹”。

最近刚好在研究策略和多样性的关系,就帮DataFunTalk社区又整理了一篇稿子,策略本身很乏味,但是策略可以解决很多模型解决不了的问题。
为什么会这样呢?主要还是模型太笨了,由于模型不能完全动态的掌握用户的心理变化,兴趣变化,所以一般的推荐模型都是对于用户的基于历史的点击率CTR预估,可以简化为分类或者回归模型。可是实际上,远远没有这么简单。我觉得最接近”智能化的推荐“的算法就应该是强化学习,算法推出一个item就是一次尝试,用户的行为会及时让系统收到反馈,无论是”多样性“,”准确性“,”兴趣偏好“,”负反馈“,统统都会被融合到Agent的激励里。之后有空了希望进一步调研强化学习在推荐的瓶颈。
以下为分享内容。

阅读全文 »

5004完结撒花🌸🌸ヽ(°▽°)ノ🌸🌸.

Q1

阅读全文 »

  • Subword Models 解决OOV问题

OOV: out-of-vocabulary即单词不在词汇库里的情况
之前的模型都是基于单词层面的,但是对于一个新单词“asd”没有解决方案。一个朴素的想法就是“拆分”,把长单词拆成几个单词的组合。相对于中文来说,就是一个新的词组去按照每个字的意思去理解单词的意思。
下面是解决方案。

阅读全文 »

这一节主要讲cnn在nlp中的应用,然后讲了几篇paper的思路。站在现在看CNN其实对于nlp并没有爆发性的突破,但是CNN也算是提取局部特征的思路,可以学习2017年以前那些人的尝试过程,也蛮有意思吧。

阅读全文 »

这次作业感觉有点简单啊。🤧 最后一题凭感觉写的,不知道对不对,如果有问题请在留言板告诉我。
希望大家留言板支持一下博主,打公式真的好累。☹️ 给个例子让你们参考一下。

阅读全文 »

这一节主要在介绍数据集和task。对于模型没太深究。

  • 问答系统QA

一般的project组成部分,很容易理解,不解释了。

阅读全文 »