关于 一体化泵站 www.dongaohuanbao.com桂麻:n 的搜索结果,共1010
c****2 2018-07-10
个性推荐(
深度学习具有优秀的自动提取特征的能力,能够学习多层次的抽象特征表示,并对异质或跨域的内容信息进行学习,可以定程度上处理个性推荐系统冷启动问题[6]。本教程主要介绍个性推荐的深度学习模型,以及如何使用PaddlePaddle实现模型。 效果展示 我们使用包含用户信息、电影信息与电影评分的数据集作为个性推荐的应用场景。当我们训练好模型后,只需要输入对应的用户ID和电影ID,就可以得出个匹配的分数(范围[0,5],分数越高视为兴趣越大),然后根据所有电影的推荐得分排序,推荐给用户可能感兴趣的电影。 Input movie_id: 1962 Input user_id: 1 Prediction Score is 4.25 模型概览 本章中,我们首先介绍YouTube的视频个性推荐系统[7],然后介绍我们实现的融合推荐模型。 YouTube的深度神经网络个性推荐系统 YouTube是世界上最大的视频上传、分享和发现网,YouTube个性推荐系统为超过10亿用户从不断增长的视频库中推荐个性的内容。整个系统由两个神经网络组成:候选生成网络和排序网络。
l****m 2018-07-10
词向量(
XX是个|V|×|V||V|×|V| 大小的矩阵,XijXij表示在所有语料中,词汇表VV(vocabulary)中第i个词和第j个词同时出现的词数,|V||V|为词汇表的大小。对XX做矩阵分解(如奇异值分解,Singular Value Decomposition [5]),得到的UU即视为所有词的词向量: X=USVTX=USVT 但这样的传统做法有很多问题: 由于很多词没有出现,导致矩阵极其稀疏,因此需要对词频做额外处理来达到好的矩阵分解效果; 矩阵非常大,维度太高(通常达到106×106106×106的数量级); 需要手动去掉停用词(如although, a,...),不然这些频繁出现的词也会影响矩阵分解的效果。 基于神经网络的模型不需要计算和存储个在全语料上统计产生的大表,而是通过学习语义信息得到词向量,因此能很好地解决以上问题。在本章里,我们将展示基于神经网络训练词向量的细节,以及如何用PaddlePaddle训练个词向量模型。 效果展示 本章中,当词向量训练好后,我们可以用数据可视算法t-SNE[4]画出词语特征在二维上的投影(如下图所示)。
s****5 2018-07-10
个性推荐(二)
我们要提供的feed_order应该和训练过程致。 总结 本章介绍了传统的个性推荐系统方法和YouTube的深度神经网络个性推荐系统,并以电影推荐为例,使用PaddlePaddle训练了个个性推荐神经网络模型。个性推荐系统几乎涵盖了电商系统、社交网络、广告推荐、搜索引擎等领域的方方面面,而在图像处理、自然语言处理等领域已经发挥重要作用的深度学习技术,也将会在个性推荐系统领域大放异彩。 参考文献 P. Resnick, N. Iacovou, etc. “GroupLens: An Open Architecture for Collaborative Filtering of Netnews”, Proceedings of ACM Conference on Computer Supported Cooperative Work, CSCW 1994. pp.175-186. Sarwar, Badrul, et al. "Item-based collaborative filtering recommendation algorithms."
用****在 2018-07-10
词向量(二)
注意:由于“神经概率语言模型”说法较为泛泛,我们在这里不用其NNLM的本名,考虑到其具做法,本文中称该模型为N-gram neural model。 我们在上文中已经讲到用条件概率建模语言模型,即句话中第tt个词的概率和该句话的前t−1t−1个词相关。可实际上越远的词语其实对该词的影响越小,那么如果考虑n-gram, 每个词都只受其前面n-1个词的影响,则有: P(w1,...,wT)=∏t=nTP(wt|wt−1,wt−2,...,wt−n+1)P(w1,...,wT)=∏t=nTP(wt|wt−1,wt−2,...,wt−n+1) 给定些真实语料,这些语料中都是有意义的句子,N-gram模型的优目标则是最大目标函数: 1T∑tf(wt,wt−1,...,wt−n+1;θ)+R(θ)1T∑tf(wt,wt−1,...,wt−n+1;θ)+R(θ) 其中f(wt,wt−1,...,wt−n+1)f(wt,wt−1,...,wt−n+1)表示根据历史n-1个词得到当前词wtwt的条件概率,R(θ)R(θ)表示参数正则项。 图2.
布****五 2018-07-10
如何执行条命令
干货概览 今天我们不聊上层建筑,不聊单机房自愈,也不聊智能运维的暗夜与黎明,今天我们聊个很基础的话题:如何执行条命令。许多人看到这,可能觉得这是个简单至极的问题,事实果真如此吗,别急,下面我们来抽丝剥茧,探究竟。 什么是命令 首先回顾下“命令”的具含义,发令以使之,谓发令而使其做某事,这是“命令”词的基础释义。从这里我们可以看命令的三个最基本的要素:命令内容(令)、命令传递(发)、命令执行(使)。如果将这三要素限定在服务器上,它们又是如何运作的呢? 图1 windows与linux下的命令 命令内容(令) 无论是windows还是linux操作系统,都会提供相应的CLI(不要吐槽windows的CLI难用),供使用者交互执行命令或运行批处理脚本。仔细观察,所有命令行都有个相同的特点:固定词+选项+参数,无出其右。因CLI伴随着操作系统的诞生,且命令行处理又是个复杂但相似的过程,因此各种语言也都提供了相应的库支持,如C语言提供了getopt/getopt_long等函数,C++的boost提供了Options库,shell中处理此事的是getopts和getopt。
TOP