保存成功
保存失败,请重试
提交成功
浅浅

浅浅

喜欢维和的网瘾青少年
现就读于某大学计算机学院,今年大三,从高一开始入坑计算机,已逾五年,兴趣广泛,目前正在研究推荐系统与知识图谱、推荐系统与深度学习以及可解释性推荐系统。...更多
创作文章18

详解社交网络中的实体推荐

在推荐系统中,存在着与电商应用场景相反的社交应用场景,每一个社交平台都在不断地探索优秀、合理的推荐策略以服务用户。本文详细解释了社交网络中的实体推荐,主要是详细阐述内容信息推荐与标签推荐。 在内容信息方面,目前主流的不外乎两种:视频与文字;在标签推荐方面,我们应该厘清的是,标签是指对社交网络中的对象所定义的一组语义标识,此类标识由用户提供,并且具备有一定的语义特征,而推荐,则是基于标签所具有的特性,依赖某些策略,进行相关推荐。 通过本文你能够获得以下知识: 1. 社交网络中实体推荐的相关定义 2. 基于内容信息推荐的相关算法(主要是针对视频与新闻) 3. 词频-反文档频率(TF-IDF)的详尽表述 4. 基于标签共现频率的推荐算法 关键词:社交网络信息、实体推荐、TF-IDF
42 订阅

基于内存/模型的协同过滤算法学习总结

这是就上个月 17 号之后的一篇对协同过滤算法中的两类算法模式展开的学习总结。 传统的推荐算法中用的最广泛的是协同过滤算法,在协同过滤中又有较为主流的三类,基于内存、基于项目与基于模型,本文主要总结其中的内存与模型两大类。 本文的主要内容为两大块: 基于内存的协同过滤: 1. 基于内存的 Top-N 推荐算法 2. 基于缺省标注填充 3. 基于逆用户频率 4. 基于虚拟值估算 5. 基于加权主用户预测 基于模型的协同过滤: 1. 基于贝叶斯信念网络 2. 基于聚类模型 3. 基于回归模型 4. 基于隐语义模型 阅读目标:使得读者能够对当前协同过滤算法有一个大的了解,甚至是掌握上述九种算法原理,并能够动手撕出其基本 Demo。
91 订阅

个性化推荐系统学习总结

从最初接触个性化推荐系统已过去六天。今天是第七天,完全可以对前六日的学习做出复盘。推荐系统并没有如同网络上那般盛传的玄秘深晦,而是直白到令人一眼看穿。 本文从六个层面总结个性化推荐系统: 在用户建模上,详细总结了用户模型的输入数据分类与如何获取; 在推荐对象建模上,详细总结了推荐对象的特征提取应该要做哪些工作; 针对推荐算法策略,总结了目前主流的基于内容的推荐、基于协同过滤的推荐与基于网络结构的推荐; 在推荐系统的体系结构上,简要阐述了用户概貌文件存放在四种不同位置的优劣性; 然后是用准确度和效果值来评价一个推荐系统的优劣; 最后是对于推荐系统的安全性与稀疏性、冷启动的相关总结。 通过本文,全面了解推荐系统不是问题。
免费严选机器学习
83 订阅

基于属性文法的语义计算

在上一篇文章《词法分析与语法分析的原理及部分实现》中,我已经将词法分析与语法分析的大部分内容完全地展现在读者眼前,接下来就是关于属性文法与语义计算的相关要义。 属性文法是用来描述某些附加在一个上下文无关文法中的属性,这类属性可以是值、类型、符号表的内容等等,而且这一属性文法也带有一个语义规则用于描述属性在文法中的终结符与非终结符之间所传递的信息关联。 本文所要讲授的是基于属性文法的语义计算方法,一个是通过遍历分析树进行语义计算;另一个是在语法分析的同时进行语义计算,也就是常说的单遍方法。 本文要求读者至少具备以下知识储备: 1. 上下文无关文法的基本认识 2. 语法树的简单绘制 3. 数据结构中“树”的基本了解 通过学习本文读者将会收获以下知识: 1. 属性文法的原理及其分类 2. 属性文法的语义计算 - 基于分析树的语义计算,拓扑排序与依赖图的绘制,带有实例化分析 - 基于语法分析的单遍计算,包含 S- 属性文法与 L- 属性文法,带有实例化分析
语言理解
91 订阅

词法分析与语法分析的原理及部分实现

词法分析器是用于识别单词所构筑的一个自动识别程序。其本质是词法分析,由一正规文法或是正规表达式推导出不确定的有穷自动机 NFA,再确定化得到确定的有穷自动机 DFA,最后最小化得到一个最简 DFA,输入符号串,识别单词。 语法分析器是在词法分析器的基础上实现识别一符号串是否符合相关文法,其本质是语法分析,而语法分析有两种分析方法:自顶向下与自底向上。自顶向下的代表方法是 LL(1) 分析;自底向上的代表方法是算符优先分析、LR(0) 分析、SLR(1) 分析。 本文的读者包括以下几类: 1. 对编译原理有兴趣,想要了解的; 2. 想要编写自制编译器的; 本文要求读者具有以下几点基础: 1. 了解基本数据结构,例如:栈【因为在语法分析的过程中,使用了分析栈】 2. 对文法有基本的了解与认识。 通过本文能够收获以下内容: 1. 词法分析的原理描述与实例化完全题解以及词法分析器的简易实现; 2. LL(1) 分析法中对 First 集、Follow 集、Select 集的直接解析,带实例化题解; 3. 算符优先分析法,这是一种只考虑终结符,不考虑非终结符的分析方法,带实例化题解; 4. LR(0) 分析法,讲述活前缀与分析表的创建等一系列的先导知识,再带实例化题解; 5. SLR(1) 分析法,相较于 LR(0) 分析,SLR(1) 引入了 Follow 集,带实例化题解。 备注:本文可能会带有不定时更新。 更新方向:LR(1) 分析;LALR(1) 分析;基于算符优先分析的语法分析器快速实现;语义分析。
严选机器学习
221 订阅

使用模拟退火求解物流配送路径的规划问题

本文将分享一种在业界被广为使用的优化搜索算法——模拟退火。该算法是一种全局的优化搜索算法,被大量运用于解决物流车辆的调度问题或者是物流配送的路径规划问题。其思想源自物理热力学,假设有一固体处于高温状态,在某一温度管理算法的控制下逐渐降温,而固体内的分子排布也随着温度的变化而变化,直到温度降低至人为阈值或者是零度时,将固体内的最终分子排布视作最优解序列。 本文由以下三个部分组成: 1. 模拟退火的基本原理解析与核心细节剖析; 2. 模拟退火算法的 Java 实现; 3. 模拟退火的车辆路径规划问题的小型地图实战演练。
严选路径规划
226 订阅

基于爬山算法的改进与混合算法优化

爬山算法是一种启发式算法,具有局部搜索最优解或最优近似解的良好性能,在物流配送、路径规划等物流调度方面被广泛使用。本文从传统的爬山算法引入,进而提出了一种具有适应预设边表的爬图山算法,以便该算法能够更加适应具有固定的边集合的预设道路,从而在约束条件下取到局部最优解。本文还结合 Dijkstra Algorithm 进一步提出混合算法 HCDA。 关键词:爬山算法;最短路径;Dijkstra Algorithm;算法优化;混合算法 阅读本文的收获: 1. 能理解并掌握爬山算法与 Dijkstra Algorithm 的原理及基本实现; 2. 基于爬山算法改进的适应具有预设边表的爬图山算法; 3. 基于爬山算法与 Dijkstra Algorithm 结合的混合算法 HCDA。
严选算法
181 订阅

从一场迷宫游戏引发的算法思考

前段日子我那尚在幼儿园的小弟弟拿着旧报纸上的一道迷宫难题来找我,要我帮他找出一条通路来,我看到题目的一瞬间我是懵逼的,那个迷宫之巨大,足足占据了三分之一的报纸版面,我苦思冥想,不停地动笔涂涂画画,总算是找到了一条弯弯曲曲的通道,可以联通两个出口。 回家后我就在想,报纸上只是单纯要找出一条通道罢了,那么如果给定 N 对对象,要我判断是否连通,那我岂不是得算到天昏地暗去了,于是乎兜兜转转地找到了一种算法——并查集。通过这个算法就可以帮助我们快速地判断两点之间是否存在通路。 通过本场 Chat,你可以收获到以下内容: 1. 并查集算法的基本思想及其原理实现与算法分析; 2. 并查集算法的进一步优化,改进算法的连接操作; 3. 带权的并查集算法实现及其思想; 4. 带路径压缩的带权的并查集算法思想及其实现。
严选算法
175 订阅

详解字符串的快速匹配算法:KMP

在字符串匹配算法里,有两种较为常见的方式,BF 算法与 KMP 算法。 BF 算法是指将主串的第 I 个字符与模式串的第1个字符进行比较,如果相等便继续进行比较操作;若不匹配时,回溯到主串的第 I+1 个字符继续与模式串的第1个字符进行比较,直到结果出现。 而 KMP 算法则是利用匹配失败后的信息,尽量减少模式串与主串的匹配次数来实现快速匹配,当出现匹配不相等时,不需要回溯,只需利用已经得到的匹配信息,将模式串向右滑动尽可能远的距离,然后接着继续进行比较即可。 本场 Chat 内容如下: 1. 介绍简单模式匹配算法(BF 算法)与 KMP 算法的差异; 2. 以具体的例子来讲解 KMP 算法。
KMP字符串算法
165 订阅

如何跳出顺序队列的“假溢出”陷阱?

顺序队列的“假溢出”是指因顺序队列进行大量的出队入队操作后,导致前部队列虽然有存储位点,但后续入队操作无法进行的溢出。它不同于真正意义上的溢出,这种陷阱可以通过一些方式来实现规避。 本场 Chat 为大家详细讲解如何跳出顺序队列的“假溢出”陷阱,内容如下: 1. 两种常规规避方式:修改出队算法、修改入队算法; 2. 特殊规避方式:循环队列; 3. 循环队列的判空与判满。
假溢出顺序队列
102 订阅

限定性线性表(下):队列的定义及其实现

队列是另一种限定性线性表,它的特点在于只允许队头删除,队尾插入,可以形象地看作是某一队伍的出队与入队,这一特点称为先进先出。 本场 Chat 将围绕队列这一特殊的线性表展开以下内容: 1. 队列的基本定义及其基本操作; 2. 顺序队列与链式队列。
免费线性表
117 订阅

限定性线性表(上):栈的定义及其实现

栈是一种后进先出的限定性线性表,它与递归关系紧密,在实际生产中被广泛使用,本场Chat就栈的定义及其实现做一次分享。 本场Chat内容如下: 1. 栈的定义; 2. 顺序栈及链栈的结构定义; 3. 栈的七种基本操作。
免费线性表
133 订阅

数据结构的启航,从线性表开始

本场 Chat 将分享的内容是 Data Structures 中的基石之一——线性表(Linear list)。 我将围绕整个线性表讲述如下内容: 1. 线性表的基本定义; 2. 线性表的顺序表达及其实现; 3. 由线性表的链式表达所拓展出的单链表、循环链表、双向链表的知识要点。
数据结构线性表
129 订阅

每周 Lisp:Lambda 与 Let

上周我们学习了四则运算、条件结构、递归和 Define,这周来探讨 Lambda 和 Let。 Lambda 源于数学中的 λ 演算,在 Lisp 中可用于构造过程,它的另一用法是创建局部变量,但在实际应用中,我们更多使用 Let 这一专门形式来创建局部变量。 通过本场 Chat,你将明白: 1. Lambda是如何构造过程的; 2. Let是如何创建局部变量的,
Lambda
104 订阅

每周 Lisp:从四则运算到条件、循环、宏定义

“如果我们把流行的编程语言,以这样的顺序排列:Java、Perl、Python、Ruby。你会发现,排在越后面的语言,越像 Lisp。”——《黑客与画家》 从本场 Chat 开始,Lisp 这一门古老的语言,将再度出现在大家的视野里,它的优雅能让我深深着迷,相信读者也将是与我同样的感受。 通过本场Chat,你将了解与收获: 1. 四则运算在 Lisp 中是如何被使用的? 2. Lisp 的条件与循环结构。 3. 贯彻 Lisp 的宏定义。
四则运算
111 订阅

二叉树的原理推敲与动手种树

作为数据结构的基础,树分很多种,像AVL树、红黑树、二叉搜索树....今天我想分享的 Chat 是关于二叉树,一种基础的数据结构类型,能大家一起植树,我超开心的! 通过本场 Chat,你将收获: 1. 二叉树的原理推敲与性质探索; 2. 一起动手种下一棵漂亮的二叉树; 作为后续分享的《基于 K- 近邻算法的 KD-tree》所需的一个基础知识,二叉树可是很重要的!
免费二叉树
1572 订阅

极大似然估计法的理解指南

我最近在《统计学习方法》与《概率论》之间来回穿梭,睡前静下来梳理知识点时顿悟了极大似然估计,因此想开个 Chat 分享一下自己对极大似然的理解: 通过本场 Chat,你将收获: 1. 了解并弄懂极大似然估计法; 2. 学会如何求极大似然估计量; 3. 基于极大似然原理的 KNN 算法。
极大似然估计
443 订阅

快速入门 Matlab 与线性代数

Matlab 是一款专门用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境,主要包括了 Matlab 和 Simulink 两大部分。 本场 Chat,我将带大家快速入门 Matlab,从最基础的桌面基础知识、矩阵和数组到线性代数的基础讲解,一层层地深入 Matlab。 通过本场 Chat,你们将收获: 1. 线性代数基础知识; 2. Matlab 的桌面基础知识; 3. Matlab 在数学领域上的一些应用,包括二维三维图的绘制; 4. 快速上手并入门 Matlab。
免费Matlab线性代数
699 订阅
微信扫描登录