关于 玻璃钢化粪池 www.hfcsccj.cn 的搜索结果,共124
c****2 2018-07-10
个性推荐(一)
将卷积核应用于句子中所有的词窗口x1:h,x2:h+1,…,xn−h+1:nx1:h,x2:h+1,…,xn−h+1:n,产生一个特征图(feature map): c=[c1,c2,…,cn−h+1],c∈ℝn−h+1c=[c1,c2,…,cn−h+1],c∈Rn−h+1 接下来,对特征图采用时间维度上的最大(max pooling over time)操作得到此卷积核对应的整句话的特征ĉ c^,它是特征图中所有元素的最大值: ĉ =max(c)c^=max(c) 融合推荐模型概览 在融合推荐模型的电影个性推荐系统中: 首先,使用用户特征和电影特征作为神经网络的输入,其中: 用户特征融合了四个属性信息,分别是用户ID、性别、职业和年龄。 电影特征融合了三个属性信息,分别是电影ID、电影类型ID和电影名称。 对用户特征,将用户ID映射为维度大小为256的向量表示,输入全连接层,并对其他三个属性也做类似的处理。然后将四个属性的特征表示分别全连接并相加。
s****5 2018-07-10
个性推荐(二)
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训练了一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."
M****H 2018-07-11
故障定位场景下的数据可视实践
总结 以上我们介绍了百度智能监控平台在全局故障分析、细分维度定位、事件关联定位三个故障定位阶段中进行的数据可视探索。当前百度智能监控平台已成为百度各大业务可用性保障必不可少的利器。 数据可视能力的优势不仅仅在故障定位场景中由突出体现。还能应用在更多的数据分析领域。我们未来会进一步介绍百度智能监控平台在应用性能分析、商业数据分析等领域的实践成果,欢迎各位继续关注。
TOP