关于 女用兴奋药哪有得卖【V信;799.196.362】评 的搜索结果,共1061
c****2 2018-07-10
个性化推荐(一)
优点是简单直接,不需要依据其他户对商品的评价,而是通过商品属性进行商品相似度度量,从而推荐给户所感趣商品的相似商品;缺点是对于没任何行为的新户同样存在冷启动的问题。 组合推荐[5](Hybrid Recommendation):运不同的输入和技术共同进行推荐,以弥补各自推荐技术的缺点。 近些年来,深度学习在很多领域都取了巨大的成功。学术界和工业界都在尝试将深度学习应于个性化推荐系统领域中。深度学习具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息进行学习,可以一定程度上处理个性化推荐系统冷启动问题[6]。本教程主要介绍个性化推荐的深度学习模型,以及如何使PaddlePaddle实现模型。 效果展示 我们使包含息、电影息与电影评分的数据集作为个性化推荐的应场景。当我们训练好模型后,只需要输入对应的户ID和电影ID,就可以出一个匹配的分数(范围[0,5],分数越高视为趣越大),然后根据所电影的推荐分排序,推荐给户可能感趣的电影。
l****m 2018-07-10
词向量(一)
在这个映射到的实数向量表示中,希望两个语义(或法)上相似的词对应的词向量“更像”,这样如“母亲节”和“康乃馨”的对应词向量的余弦相似度就不再为零了。 词向量模型可以是概率模型、共生矩阵(co-occurrence matrix)模型或神经元网络模型。在神经网络求词向量之前,传统做法是统计一个词语的共生矩阵XX。XX是一个|V|×|V||V|×|V| 大小的矩阵,XijXij表示在所语料中,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]),到的UU即视为所词的词向量: X=USVTX=USVT 但这样的传统做法很多问题: 由于很多词没出现,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。
追****圣 2018-07-11
给书记省长讲清楚云计算
从大时代背景来看什么是云计算,云计算为什么会起。 云计算如何带动地方经济,这是个不需要物流就可以服务全球的行业。 做云计算要满足些条件,如何才能筑巢引凤。 挑选合格的云计算合作厂商,每类厂商些特点。 云计算不是万能,它无法解决些问题。 什么是云计算 近20年来,互联网引爆了全球的息技术革命,我国借助这次技术革命的大好机会,已经追上乃至领跑此次技术革命。 互联网技术深刻的改变着我们的生活,其行业生态也在逐步分化扩大,这一现状客观促进了云计算技术的发展。 上世纪80年代,计算机仅应于科研等少数行业,全国计算机从业人员不超过万人,从业人员大都很深的学术背景。 上世纪90年代,门户、论坛、邮件系统开始影响部分群众的生活,国内从业人员约为十万人,可以分为软件和硬件两类工程师。 进入2000年,无纸化办公、游戏、社交、电商改变了大众的生活的方式,国内从业人员已经远超百万,按技术分类数十种工程师。 在最近的十年,移动互联网起,便捷的通、打车、外、电子支付等功能层出不穷,所面向个人消费者的行业都在加速互联网化;未来十年里,计算机技术将深刻影响工业生产领域。
TOP