- 博客(63)
- 资源 (59)
- 收藏
- 关注
RSS订阅原创 neo4j csv数据导入
输入导入的链接都来自于neo4j 内部的数据源一、导入实体数据节点# 导入商品 相关 csv 相关数据LOAD CSV WITH HEADERS FROM "http://data.neo4j.com/northwind/products.csv" AS rowCREATE (n:Product)SET n = row, n.unitPrice = toFloat(row.unitPrice), n.unitsInStock = toInteger(row.unitsInSto..
2021-12-21 16:29:32
670
原创 Neo4j 写入 与 查询 操作
一、CREATE(<node-name>:<label-name>)CREATE (m:Movie)CREATE (<node-name>:<label-name1>:<label-name2>.....:<label-namen>)四个标签和一个节点: 如下CREATE (m:Movie:Cinema:Film:Picture)单个标签到关系的语法：CREATE (<node1-na..
2021-12-21 14:56:55
1147
原创 Deep NMT： Sequence to Sequence Learning with Neural Networks 介绍
总览： Abstract：本文提出了一种通用的端 对端的方法进行序列到序 列的学习，其中的 Encoder和Deocder都是 多层的LSTM。我们的模 型在机器翻译上取得了非 常好的效果。Introduction：为了处理变长的输入和变长的 输出，我们使用了LSTM来作 为Encoder和Deocder，并且 得到了很好的结果。The Model：我们使用两个不同的LSTM来作为 Encoder和Deocder，其中Encoder将源 语言编码成定长的向量,Deocder生成一个...
2020-09-25 19:35:52
366
原创 FastText 简介
论文地址：https://arxiv.org/pdf/1607.01759.pdf开源源码地址：https://github.com/facebookresearch/fastText简介： 1、本文提出了一种简单并且高效的 文本分类模型，我们模型的效果 和其他深度学习模型相当，但是 速度快了几个数量级。 2、文本分类是自然语言处理中非常重 要的任务，基于深度学习的文本分 类任务效果很好，但是速度很慢。 而线性分类器一般也表现很好，而 且速度快，所以本文提出了...
2020-07-26 17:15:23
529
原创 CharTextCNN:Character-level Convolutional Networks for Text Classification 简介
Character-level Convolutional Networks for Text Classification（使用字符级别的卷积神经网络来做文本分类任务）摘要：1.本文从实验角度探索了字符级别卷积神经网络用于文本分类的有效性。2.我们构造了几个大规模的文本分类数据集，实验结果表明我们的字符级别文本分类模型能够取得最好的或者非常有竞争力的结果。3.对比模型包括传统的词袋模型、n-grams模型以及他们的tf-idf变体，还有一些基于深度学习的模型，包括基于卷积神经网络和循环
2020-07-26 10:45:03
415
2
原创 TextCNN简介
论文名： TextCNN: Convolutional Neural Networks for Sentence Classification摘要：1. 使用简单的CNN模型在预训练词向量基本上进行微调就可以在文本分类任务上得到很好的结果。2. 通过对词向量进行微调而获得的任务指向的词向量能够得到更好的结果。3. 我们也提出了一种即使用静态预训练词向量又使用任务指向词向量的文本分类模型。4. 最终我们在7个文本分类任务中的四个上都取得了最好的分类准确率。TextCNN结构：..
2020-07-22 19:59:08
2353
原创 C2W介绍
简介： 1、提出了一种新的通过字符来构建词向量的方法，这种方法可以学习到单词中复杂的形式结构，从而在两个任务上得到最优的结果。 2、单词之间不应该是彼此独立的，形式上的一致性会造成功能上的一致性，我们通过双向LSTM来学习这种形式一致性，并且取得了 非常好的结果。 3、介绍词向量机制的两个缺点，并且介绍非词向量机制的方法。、 摘要：1.我们提出了一种新的使用字符和双向LSTM生成词表示的模型。2.相对于传统的词向量方法，我们的C...
2020-07-12 16:05:58
1790
原创 GloVe：Global Vectors for Word Representation 理论介绍
1、背景介绍2、 摘要： 提出了一种新的词向量学习方法GloVe， GloVe能够同时利用全局的统计信息和局部的上下文信息从而学习到非常好的词向量 3、 准备工作 前人工作介绍，主要介绍矩阵分解和Word2vec两种方法 4、 介绍： 矩阵分解和Word2vec学习词向量的方式各有优劣，本文提出的GloVe同时学习者两种信息 5、 模型介绍： 介绍GloVe的推导过程，GloVe与其他模型之间的联系，Gl...
2020-07-01 16:51:24
390
原创 Word2Vec理论介绍
一、语言模型： 概率：语言模型是计算一个句子是是句子的概率。 通过概率计算来刻画语言模型???????????????????????????????? ={????1, ????2 , … , ????????}P(张三 很 帅)=P(张三)*P(很|张三)*P(帅|张三, 很)P(张很帅 很 帅)=P(张很帅)*P(很|张很帅)*P(帅|张很帅, 很)P(张三 很 漂亮)=P(张三)*P(很|张三)*P(漂亮|张三, 很)统计语言模型中的平滑操作： 有一
2020-06-24 17:05:39
714
原创 推荐系统-推荐引擎的架构
内容来源：《推荐系统实践》 前面介绍了各种各样的数据和基于这些数据的推荐算法。在实际系统中，前面几章提到 的数据大都存在，因此如何设计一个真实的推荐系统处理不同的数据，根据不同的数据设计算法， 并将这些算法融合到一个系统当中是本章讨论的主要问题。本章将首先介绍推荐系统的外围架 构，然后介绍推荐系统的架构，并对架构中每个模块的设计进行深入讨论。 下图表示了推荐系统和网站其 他系统的关系。一般来说，每个网站都会有一个UI系统，UI系统负责给用户展示网页并和用户交...
2020-06-19 17:10:10
2074
原创 推荐系统- 评分预测问题
目前为止都是在讨论TopN推荐，即给定一个用户，如何给他生成一个长度为N的推荐 列表，使该推荐列表能够尽量满足用户的兴趣和需求。本书之所以如此重视TopN推荐，是因为 它非常接近于满足实际系统的需求，实际系统绝大多数情况下就是给用户提供一个包括N个物品 的个性化推荐列表。 但是，很多从事推荐系统研究的同学最早接触的却是评分预测问题。从GroupLens到Netflix Prize到Yahoo! Music的KDD Cup，评分预测问题都是推荐系统研究的核心。评分预测问题最基本 的数据集就是用户评...
2020-06-18 20:24:34
5102
转载 推荐系统-基于领域的社会化推荐
社会化推荐之所以受到很多网站的重视，是缘于如下优点： 1. 好友推荐可以增加推荐的信任度 好友往往是用户最信任的。用户往往不一定信任计算机的智能，但会信任好朋友的推荐。同样是给用户推荐《天龙八部》，前面提到的基于物品的协同过滤算法会说是因为用户之前看过《射雕英雄传》，而好友推荐会说是因为用户有8个好友都非常喜欢《天龙八部》。对比这两种解释，第二种解释一般能让用户更加心动，从而购买或者观看《天龙八部》。 2. 社交网络可以解决冷启动问题 当一个新用户通过微博或者抖音账号登录网站时，我们可以从社
2020-06-17 16:24:03
667
转载 推荐系统--基于图的推荐算法
基于图的模型（graph−basedmodel ）是推荐系统中的重要内容。在研究基于图的模型之前，首先需要将用户行为数据表示成图的形式。这里我们将用户行为数据用二分图表示，例如用户数据是由一系列的二元组(也可以使用列表)组成，其中每个元组 (u,i) 表示用户 u 对物品 i 产生过行为。下图为 A , B , C 用户感兴趣的音乐： 产生的二分图模型如下： 将用户行为表示为二分图模型后，下面的任务就是在二分图上给用户进行个性化推荐。如果将个性化推荐算...
2020-06-16 19:37:27
4534
1
转载 推荐系统 - 基于标签的推荐算法
标签在我们日常生活中很常见，打标签作为一种重要的用户行为，蕴含了很多用户兴趣信息，因此深入研究和利用用户打标签的行为可以很好地指导我们改进个性化推荐系统的推荐质量。举个例子，下图是酷我音乐的标签，有了标签，用户可以快速找到自己感兴趣的歌，同时酷我也可以通过用户经常使用的标签，更精确的为用户推荐感兴趣的歌曲 原理当拿到了用户标签行为数据，相信大家都可以想到一个最简单的个性化推荐算法，这里我们称为SimpleTagBased。其描述如下所示： 1. 统计每个用户最常用标签 2. ...
2020-06-16 14:59:12
5742
3
转载 推荐系统-基于关联规则Apriori
该算法也是在一堆数据集中寻找数据之间的某种关联，这里主要介绍的是叫做Apriori的‘一个先验’算法，通过该算法我们可以对数据集做关联分析——在大规模的数据中寻找有趣关系的任务，本文主要介绍使用Apriori算法发现数据的（频繁项集、关联规则）。这些关系可以有两种形式：频繁项集、关联规则。频繁项集：经常出现在一块的物品的集合关联规则：暗示两种物品之间可能存在很强的关系 关联规则分析也是一种比较常见的推荐算法，主要是根据历史数据统计不同规则出现...
2020-06-15 17:06:45
1886
转载 推荐系统-ItemCF基于用的协同过滤
基于物品的协同过滤算法。基于物品的协同过滤算法是目前业界应用最多的算法，亚马逊、Netflix、Hulu、YouTube等很多平台都采用该算法作为其基础推荐算法原理 基于物品的协同过滤算法给用户推荐那些和他们之前喜欢的物品相似的物品。但是它并不是利用物品的内容属性计算物品之间的相似度，而是通过分析用户的行为记录计算物品之间的相似度，比如说用户之前买过《数据挖掘导论》，该算法会根据此行为给你推荐《机器学习》，但是ItemCF算法并不利用物品的内容属性计算物品之间的相似度，它主要通...
2020-06-11 19:43:14
392
转载 推荐系统-UserCF基于用的协同过滤
随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载的时代。在这个时代，无论是信息消费者还是信息生产者都遇到了很大的挑战：如何从大量信息中找到自己感兴趣的信息是一件非常困难的事情，这个时候就需要推荐系统。推荐系统不需要用户提供明确的需求，而是通过分析用户的历史行为给用户的兴趣建模，从而主动给用户推荐能够满足他们兴趣和需求的信息。 基于邻域的算法是推荐系统中最基本的算法，该算法不仅在学术界得到了深入研究，而且在业界得到了广泛应用。基于邻域的算法分为两大类，一类是基于用户的协...
2020-06-11 17:25:39
262
转载 推荐系统- NCF（Neural Collaborative Filtering）的推荐模型与python实现
引言： 本文主要表述隐式反馈的基础上解决推荐算法中的关键问题协同过滤。 尽管最近的一些工作已经将深度学习用于推荐系统中，但他们主要将其用于辅助信息建模，例如物品的文字描述和音乐的声学特征。 当涉及到协同过滤建模的关键因素即用户和物品特征之间的交互时，他们仍然致力于使用矩阵分解，并在用户和物品的潜在特征上应用了内积运算。 通过将内积运算替换为可以从数据中学习任意函数的神经体系结构，本文提出了一个名为NCF（Neural network based Collaborati...
2020-06-10 19:15:58
4849
2
原创 推荐系统-AutoRec 的推荐系统介绍与python实现
本文要介绍的模型是2015年由澳大利亚国立大学提出的AutoRec。它将自编码器（AutoEncoder） 的思想和协同过滤结合，提出了一种但隐藏层的神经网络推荐model。因为简洁的网络结构和清晰易懂的模型原理，所以非常适合深度学习的推荐model 的入门模型来学习本文参考了王喆大佬的新书，《深度学习推荐系统》论文地址1.引言协同过滤模型的目的是利用用户对商品的偏好信息来提供个性化的推荐。AutoRec是一个新型的基于自动编码器的协同过滤模型。论文作者认为AutoRec与现有的将玻尔兹曼机
2020-06-05 14:33:02
1631
1
原创 推荐系统-Deep Crossing理论与python实现
简介 2016年，微软提出Deep Crossing模型，旨在解决特征工程中特征组合的难题，降低人力特征组合的时间开销，通过模型自动学习特征的组合方式，也能达到不错的效果，且在各种任务中表现出较好的稳定性 与FNN、PNN不同的是，Deep Crossing并没有采用显式交叉特征的方式，而是利用残差网络结构挖掘特征间的关系 相信当看到这个图片时，你已经翻阅了大量的相关资料： Deep Crossing 主要分为5层或者者说四层：从下而上看 特征抽取层、Emb...
2020-06-04 19:35:33
776
原创 李航统计学习方法第二版决策树python实现
整理：基于ID3的实现：# coding=utf-8from math import logimport timedef createDataSet(): """ 创建测试数据集 :return: """ dataSet = [[1, 1, 'yes'], [1, 1, 'yes'], ...
2019-04-24 15:24:39
553
原创 李航统计学习方法-决策树
决策树 决策树（decision tree）是一种基本的分类与回归方法。本章主要讨论用于分类的决 策树。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它 可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分 布。其主要优点是模型具有可读性，分类...
2019-04-22 16:35:10
1743
原创 李航统计学习方法-朴素贝叶斯python实现
机器学习实战中实现部分：from numpy import *def loadDataSet(): """ postingList: 进行词条切分后的文档集合 classVec:类别标签 """ postingList = [['my', 'dog', 'has', 'flea', 'problems', 'help', 'please'...
2019-04-18 17:00:16
352
原创 李航统计学习方法-朴素贝叶斯
朴素贝叶斯法 朴素贝叶斯（naïve Bayes）法是基于贝叶斯定理与特征条件独立假设的分类方法[1]。 对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然 后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。朴素贝叶斯 法实现简单，学习与预测的效率都很高，是一种常用的方...
2019-04-16 11:31:23
1994
原创 李航统计学习方法-k近邻法python实现
1、 基于欧氏距离import numpy as npdef createDataSet(): group = np.array([[1.5, 1.4], [1.6, 1.5], [0.1, 0.2], [0.0, 0.1]]) labels = ['A', 'A', 'B', 'B'] return group, labelsdef KNNClas...
2019-04-15 15:28:00
379
原创 李航统计学习方法-k近邻法
k近邻法 k近邻法（k-nearest neighbor，k-NN）是一种基本分类与回归方法。本书只讨论分类 问题中的k近邻法。k近邻法的输入为实例的特征向量，对应于特征空间的点；输出为实例 的类别，可以取多类。k近邻法假设给定一个训练数据集，其中的实例类别已定。分类 时，对新的实例，根据其k个最近邻的训练...
2019-04-15 15:09:28
901
原创 李航统计学习方法-感知机python实现
1、理论中原始算法的实现# 利用Python实现感知机算法的原始形式# -*- encoding:utf-8 -*-import numpy as npimport matplotlib.pyplot as pltdef createData(): samples = np.array([[3, -3], [4, -3], [1, 1], [1, 2]]) l...
2019-04-15 14:08:44
584
原创 李航统计学习方法-感知机理论
感知机模型 感知机（perceptron）是二类分类的线性分类模型，其输入为实例的特征向量，输出 为实例的类别，取+1和–1二值。感知机对应于输入空间（特征空间）中将实例划分为正 负两类的分离超平面，属于判别模型。感知机学习旨在求出将训练数据进行线性划分的分 离超平面，为此，导入基于误分类...
2019-04-15 13:56:30
1607
1
转载 solrj 对solr 的操作
使用SolrJ操作Solr会比利用httpClient来操作Solr要简单。SolrJ是封装了httpClient方法，来操作solr的API的。SolrJ底层还是通过使用httpClient中的方法来完成Solr的操作。1、 首先，你需要添加如下jar包其中apache-solr-solrj-3.4.0.jar、slf4j-api-1.6.1.jar可以在下载的apache-
2015-02-05 18:03:51
3151
1
转载 solrJ查询使用
//AND 并且 SolrQuery params = new SolrQuery("name:apple AND manu:inc"); //OR 或者 params.setQuery("name:apple OR manu:apache"); //空格 等同于 OR params.setQuery("name:server manu
2015-02-05 16:49:07
880
转载 solr cache的使用介绍
本文将介绍Solr查询中涉及到的Cache使用及相关的实现。Solr查询的核心类就是SolrIndexSearcher，每个core通常在同一时刻只由当前的SolrIndexSearcher供上层的handler使用（当切换SolrIndexSearcher时可能会有两个同时提供服务），而Solr的各种Cache是依附于SolrIndexSearcher的，SolrIndexSearcher在则C
2015-01-27 15:57:08
1029
转载 如何使用filterCache 提升查询效率
如何提升查询的rt（查询速度），因为在参数q中的查询是要有磁盘IO开销的，很自然的思路是将整个查询的参数q作为key，对应的结果作为value，这样做是可以的，但是查询的命中率会很低，会占用大量内存空间。 查询参数q上基本上每次都会出现status,biz_type,class_id 对于这样的字查询，所以可以把整个查询条件分成两部分一部分是以status,biz_type,class
2015-01-27 15:46:23
1661
转载 solr 缓存性能 LRUCache和FastLRUCache
1、LRUCache的实现分析在分析LRUCache前先对LinkedHashMap做些介绍。LinkedHashMap继承于HashMap，它使用了一个双向链表来存储Map中的Entry顺序关系，这种顺序有两种，一种是LRU顺序，一种是插入顺序，这可以由其构造函数public LinkedHashMap(int initialCapacity,float loadFactor, bool
2015-01-27 15:23:55
1919
转载 MySQL中MAX函数与Group By一起使用的注意事项
http://blog.csdn.net/magicharvey/article/details/21372813mysql> select * from test; +----+-------+------+-------+ | id | name | age | class | +----+-------+------+-------+ | 1
2015-01-15 16:26:51
39226
3
原创 清除solrcloud 中solr admin 留下的collection 无用collection
清除solrcloud 中solr admin 留下的collection 无用collection
2014-12-30 11:14:40
5762
转载 SimHash简介以及java实现
转自：http://www.open-open.com/lib/view/open1375690611500.html关于 罗刚 老师 搜索解密中的 SimHash算法 、 TITS算法 、标准Trie树、三叉Trie树 java实现 下载地址 http://download.csdn.net/detail/zhuhongming123/8175135
2014-12-03 13:52:25
9827
转载 SolrCloud 与 Collection 的管理
一.内嵌启动SolrCloud时端口默认分配当 Solr 运行内嵌 zookeeper 服务时，默认使用 solr 端口+1000 作为客户端口，另外，solr 端口+1 作为 zookeeper 服务端口，solr 端口+2 作为主服务选举端口。所以第一个例子中，Solr 运行在 8983端口，内嵌 zookeeper 使用 9983 作为客户端端口，9984 和 9985 作为服务端口。
2014-11-21 10:08:51
1360
MySQL-python-1.2.3.win-amd64-py2.7.exe
2022-09-01
Deep & Cross Network demo 实现 deep_cross_network.rar
2020-06-04
推荐系统 python源码
2019-09-04
国家统计局 统计用区划和城乡划分代码 2017年 python 代码和mysql数据
2018-12-17
IBM建模、PowerDesigner15系统分析与建模实战、VM_RSA_UML.
2018-05-03
UML开发书籍、手册、分析与建模、实务手册、光盘案例
2018-05-03
secureCRT_7.0.2 + 注册机(使用时查看使用说明)
2015-06-28
Spring-quartz-demo Spring4.1.6 + quartz2.2.1
2015-06-28
解析pdf、word2003、Excel2003、word2007、Excel2007、PowerPoint、Text jar 文件集合
2014-01-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人