prin1127的博客

原创 focal loss 改进交叉熵损失函数

原创 shiro+jwt实现RBAC（密码/验证码）

基础1.支持使用手机号+密码或者手机号+验证码的方式登陆2.需要使用redis缓存验证码、请求次数和用户信息3.使用MybatisPlus操作mysql数据库，MybatisPlus提供了BaseMapper定义了简单的增删改查，提供了IServise定义了简单的用户操作，提供了MetaObjectHandler实现公共数据的自动填充4.数据库（RBAC）权限表、角色表、用户表、角色-权限表、用户-角色表5.实体类（entity/pojo）权限类Perm、角色类Role、用户类UserUse

原创 计算机专业相关知识零碎记录

SpringBoot启动时控制台输出：Class.forName(com.mysql.jdbc.Driver); //加载驱动Connection con = DriverManager.getConnection(“jdbc:mysql://…”); //创建与mysql中某个数据库的连接String sq = “delete from table1 where id=? and name=?”//构建sql语句，以？作为占位符，这个位置的值待设置PreparedStatement

原创 spring+mybatis

1.新建maven项目SpringMybatis2.pom.xml<?xml version="1.0" encoding="UTF-8"?><project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.

原创 阿里云服务器购买 xshell安装连接 服务器环境安装及卸载 Docker容器Tomcat和MySQL 构建Tomcat镜像

阿里云服务器购买1.打开阿里云主页https://www.aliyun.com/2.找到试用中心，选择云服务器ECS按照提示，通过支付宝注册登录，完成个人认证选购个人试用1个月3.提交订单，操作系统选择centos7.7，其他默认注意记住自动分配的可用区4.购买完成后进入云服务管理控制台https://ecs.console.aliyun.com/在左侧“网络与安全”找到“安全组”，创建安全组，允许端口3306（mysql），8080（http）…其他默认5.在左侧“实例与镜像”找到“

原创 SQL语句 操作实例

CREATE DATABASE IF NOT EXISTS `school`;USE school;DROP TABLE IF EXISTS `student`;CREATE TABLE `student`(`studentno` INT(4) NOT NULL AUTO_INCREMENT COMMENT'学号',`loginpwd` VARCHAR(20) DEFAULT NULL,`studentname` VARCHAR(20) DEFAULT NULL COMMENT '学生姓名'

原创 Java（SSM）项目遇到的问题及解决

Java（SSM）项目遇到的问题及解决办法无法登陆，C3P0连接池报错java.lang.AbstractMethodError: ...报错URI is not registered (Settings | Languages & Frameworks | Schemas and DTDs)图片img src=...裂图或404，location.href或者WeAdminShow 404Android Studio报错some tips后续补充-1java调用python后端实时传递进度，前端弹

原创 idea2020.3配置使用git

idea2020.3配置使用gitgit安装配置官方下载网址：https://git-scm.com/downloads基本上都是默认选择就可以安装完后打开Git Bash，依次输入git config --global user.name "xxx"$ git config --global user.email "[email protected]"cd ~/.ssh #查看是否已有ssh key，有则备份后删除ssh-keygen -t rsa -C "[email protected]"#3个回车，

原创 数据标记&评估模型

评估模型首先需要明确，AP和mAP是像素级别的AP计算个人理解是对于大量先验框，根据softmax输出的其是否包含目标的概率（置信度），来绘制精确率-置信度曲线，计算平均值借助sklearn计算PR，结果如下：from sklearn.metrics import precision_recall_curvey_true = [0, 0, 1, 1]#ground truth label 真实标签，2正2负y_score = [0.1, 0.4, 0.35, 0.8]#confidence/p

原创 三类目标检测

三类目标检测RetinaFace-pytorch-CPU资料来源问题RetinaFace-pytorch-CPU资料来源BV1yK411K79y（bilibili）问题1.RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.lo

原创 IntelliJ Idea2020.3.1+JDK8u201+MAVEN3.6.3+Tomcat9.0.41+MySQL8.0.23安装配置

IntelliJ Idea2020.3.1+JDK8u201+MAVEN3.6.3+Tomcat9.0.41+MySQL8.0.23安装配置1.IntelliJ Idea2020.3.1下载安装2.JDK8u2013.MAVEN3.6.34.Tomcat9.0.415.MySQL8.0.231.IntelliJ Idea2020.3.1下载安装官网下载直接安装即可注意maven项目必须通过File->New->Project From Existing Resources打开，并在弹出窗口

原创 MATLAB R2019b 安装及使用

1.下载安装包和crack双击Matlab 2019b 的ISO文件，运行其中的setup.exe进行程序的安装将crack中的“license_standalone.lic”复制到安装包路径在弹出的窗口中选择“使用文件密钥”选择“密钥安装”，输入crack解压后readme.txt中的序列号2.安装完成后进入安装路径下\bin\win64，运行activate_matlab.exe选择不连接Internet激活，然后输入license_standalone.lic的完整路径将Crack文件夹

原创 Visual Studio 2019 + OpenCV 4.3.0

1.官网下载Visual Studio 2019 Community(1)Visual Studio 2019(2)Visual Studio 2019下载OpenCV4.1.0(1)OpenCV(2)OpenCV4.1.02.安装Visual Studio 2019 Community官方文档勾选与C++有关的内容，即“使用C++的桌面开发”和“Visual Studio扩展开发”解压（安装）OpenCV4.1.03.设置环境变量Path中新建：OpenCV安装目录\build\x6

原创 并行 遇到的问题

1.CodeBlocks下载安装直接下载codeblocks-***mingw-setup.exe不需要额外安装配置mingw2.Visual Studio提示无法查找或打开PDB文件，关于Microsoft符号集的问题Tools -> Options -> Debugging -> Output Window -> Module Load Messages -> Off3....

原创 Android开发中遇到的问题（Android Studio）

1.导入别人的项目，最好安装一样的版本的AndroidStudio，否则会多很多错误2.真机调试（1）Build->Build Bundle(s)/APK(s)->Build APK(s)，生成.apk文件拷贝到手机上，安装运行（2）打开File->Setting->Appearance & Behavior->System Setting->Android SDK，SDK Tools中选择Google USB Driver安装（一般安装在SDK目录下，e

原创 python &SPSS tips

SPSS18定量数据和定类数据：SPSSAU分析方法选择/对比python：1.打开文件时utf-8 invalid …则使用txt打开，另存时选择编码格式“utf-8”2.plot_importance() 和feature_importancesplot_importance是会画图，可选importance_style=‘gain’，‘weight’…feature_importances是’gain’，输出重要性数组3.sklearn中GridSearchCV函数 调参4.

原创 pycharm

pycharm激活：

原创 旅游课程数据分析

根据学生网课 课程评论和活跃度参考SMPCUP2017用户画像技术评测比赛：对文本进行提取,利用结巴分词进行分词,然后进行word2vec训练(维度设置为100),得到每个词的词向量.对于每一个用户,通过其发表的内容,得到用户所使用的词汇,然后求得用户的平均词向量.(词向量和除以词的数量)通过训练集,分别对用户地区,年龄,性别进行建模,程序采用svm模型.TF-IDF 语料主题模型：...

原创 机器学习相关函数等

调参1.GridSearchCV2.回归问题：sklearn.feature_selection.f_regression相关性：1.pearsonr函数2.corr()（实际也是pearson相关度）3.excel内置函数4.信息增益比、基尼系数5.sklearn.feature_selection.f_regression内F值和p-valuematplotlib画图显示中文...

原创 word2vec & 相关系数

对文本进行提取,利用结巴分词进行分词,然后进行word2vec训练(维度设置为100),得到每个词的词向量.对于每一个用户,通过其发表的内容,得到用户所使用的词汇,然后求得用户的平均词向量.(词向量和除以词的数量)通过训练集,分别对用户地区,年龄,性别进行建模2017CSDN用户画像竞赛用户内容主题词生成：给定若干用户文档（博客或帖子），为每一篇文档生成3个最合适的主题词。要求生成的主题...

转载 爬取QQ空间相册

代码：github上搜索Litreily capturer报错1：报错原因：（1）找不到chromedriver；（2）subprocess.py文件中__init__中的shell=False对于原因（1）：在谷歌浏览器地址栏输入 chrome://version/ 查看版本信息在http://npm.taobao.org/mirrors/chromedriver/或者htt...

原创 NLTK安装失败&情感分析&LDA主题模型

1.NLTK安装失败https://github.com/nltk/nltk_data/tree/gh-pages 下载数据重命名为nltk_data代码实验：from nltk.book import *根据searched in目录找到应该放置nltk_data的路径2.&3.见程序其中情感分析采用了textBlob、nltk.vader、snowNLP、Bayes方法...

转载 DKN：注意力 知识图谱 新闻推荐

KCNN :semantic-level & knowledge-level1.multi-channel：word embedding；entity embedding；context entity embedding2.word-entity-aligned：word & associated entity新闻数据特征：1.高度时间敏感，相关性很快失效2.人对话题...

原创 git下载仓库内部分文件

git下载仓库内部分文件'childfile'替换为自己要下载的文件夹名称git init test && cd test //新建仓库并进入文件夹git config core.sparsecheckout true //设置允许克隆子目录echo 'childfile*' >> .git/info/sparse-checkout //设置要克隆的仓库...

转载 LF推导及实现

执行LFM需要确定4个参数：分类数F，迭代次数N，学习速率α，正则化参数λ。# coding:utf-8import pandas as pdimport numpy as npimport mathimport operatorimport timeimport random'''def LFM(user_items, F, N, alpha, lambda): #...

转载 FM推导+实现

->简化：则：

转载 Deep Learning Recommendation Model for Personalization and Recommendation Systems

工业必读。主要是并行的提出。对embedding实现模型并行对MLP进行数据并行题外话：recommendation和predict相关技术：

原创 意图推荐 Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation

Metapath-guided Embedding method for Intent Recommendation（MEIRec）“搜索栏关键词推荐”静态属性数据+交互数据基于用户历史行为推荐，不是相似的历史查询；无需输入三元组：user，item，query；动态数据异构图神经网络，metapath-guided neighbours聚合HIN：network schema和met...

转载 中国计算机学会推荐国际学术会议 　(数据库，数据挖掘与内容检索）

中国计算机学会推荐国际学术会议 　(数据库，数据挖掘与内容检索）一、A类序号会议简称会议全称出版社网址1SIGMODACMConference on Management of DataACMhttp://www.sigmod.org2SIGKDDACMKnowledge Discovery and Data MiningACMhttp://www.acm.o...

原创 Personalized Recommendations using Knowledge Graphs: A Probabilistic Logic Programming Approach

基于内容的推荐ProPPR ----a general-purpose probabilistic logic system（一般概率逻辑回归）HyPER…对cold-start，使用trust network对friend/similarity，使用social networkHeteRec_p：metapath（元路径）：可能相连的两点之间的路径sim（Ck,ui）是k聚类和...

原创 win10 安装git 下载代码

1.在https://git-scm.com/downloads下载git，一直确定安装。2.cmd命令行输入git --version3.注册github，可以成功登录打开git bash设置用户名和邮箱：git config --global user.name XXXgit config --global user.email [email protected] -t rsa...

转载 Practical Lessons from Predicting Clicks on Ads at Facebook

ABSTRACT这篇paper中作者结合GBDT和LR，取得了很好的效果，比单个模型的效果高出3%。随后作者研究了对整体预测系统产生影响的几个因素，发现Feature（能挖掘出用户和广告的历史信息）+Model（GBDT+LR）的贡献程度最大，而其他因素（数据实时性，模型学习速率，数据采样）的影响则较小。INTRODUCTION介绍了先前的一些相关paper。包括Google，Yahoo...

原创 [Airbnb Embedding] Real-time Personalization using Embeddings for Search Ranking at Airbnb (kdd2018

见《Airbnb 基于 Embedding 技术的实时个性化推荐 》

转载 myeclipse导出exe

1.myeclipse export jar file或者 runnable jar file报错：compile warning编译警告，将所有标黄警告去掉2.Jar包运行报错：“ A JNI error has occurred, please check your installation and try again”Idea编写的Java程序使用的Project SDK版本（文件-项...

原创 Deep Neural Networks for YouTube Recommendations

具体见论文和两个中文文档不再赘述

原创 阿里三部曲 DIN&DIEN&DSIN

DIN：针对不同用户在不同的目标广告使用固定长度的向量表达用户不同的兴趣是有局限性的–>局部激活单元，可适应性地在给定广告的情况下从历史数据中提炼用户兴趣的表达mini-batch aware regularizer，MBA正则化，避免大量参数的正则化运算和过拟合数据适应性激活函数，PReLU...

原创 已安装cpu的tensorflow之后，安装gpu版

1.检查Anaconda是否成功安装：conda --version2.检测目前安装了哪些环境：conda info --envs3.安装python： conda create --name tensorflow-gpu python=3.64.检测目前安装了哪些环境：conda info --envs5.按照提示，激活之：activate tensorflow-gpu6.安装gpu版...

转载 CTR 预估模型

FM：降维版本的特征二阶组合二阶多项式：对特征两两相乘（组合）构成新特征(离散化之后其实就是“且”操作)，并对每个新特征分配独立的权重；为了降低该矩阵的维度，可以将其因子分解（Factorization）为两个低维（比如 n∗k）矩阵的相乘。用神经网络的视角看 FM：嵌入后再进行内积W*x 部分就是将离散系数特征通过矩阵乘法降维成一个低维稠密向量。这个过程对神经网络来说就叫做嵌入 （...

原创 OCPC广告算法

CPA、CPC、CPM、CVR、CTR、PV、UV相关计算公式:ROI=订单额/消费量（即广告费用）=（单均额转化量）/（CPA转化量）=单均额/CPACTR=点击量/展现量CVR=转化量/点击量CPM=（消费量/展现量）1000CPA=消费量/转化量=（CPC点击量）/（CVR*点击量）=CPC/CVRCPC=消费量/点击量做网络营销的人，我们要知道以下常见名词解释：CPC (C...

原创 FM&DeepFM 笔记

1.FM参考：https://blog.csdn.net/anshuai_aw1/article/details/837471712.DeepFMKaggle 价格推荐代码：https://github.com/chenglongchen/tensorflow-deepfm论文《DeepFM》