获得徽章 1
这篇文章介绍了区块链的历史,比特币、以太坊的发展史,以太坊的智能合约使得区块链有了运行脚本的功能。适合区块链入门学习。
评论
点赞
这篇文章介绍了Contrastive Cross-domain Recommendation in Matching,是微信团队在kdd-2022发表的,这篇工作关注了召回模块的跨领域推荐任务。
工业级推荐系统常采用两阶段框架——召回和排序进行用户-物品匹配。召回模块(matching/candidate generation)负责从百万候选物品集中快速、多样、准确地筛选出用户可能感兴趣的数百个物品,而随后的排序模块(ranking)负责从这数百个召回输出中进行精排,最终输出展示给用户的推荐结果。
工业级推荐系统常采用两阶段框架——召回和排序进行用户-物品匹配。召回模块(matching/candidate generation)负责从百万候选物品集中快速、多样、准确地筛选出用户可能感兴趣的数百个物品,而随后的排序模块(ranking)负责从这数百个召回输出中进行精排,最终输出展示给用户的推荐结果。
展开
评论
点赞
Diffusion model 和 Normalizing Flows, GANs or VAEs 一样,都是将噪声从一些简单的分布转换为一个数据样本,也是神经网络学习从纯噪声开始逐渐去噪数据的过程。 这篇文章详细介绍了该模型。
评论
点赞
这篇文章讲了web1.0是信息交换与展示,web2.0是互动,web3是分布式,区块链作为分布式数据库的一种实现,解决了web3的核心问题,即不同网站的数据交换。区块链具有数据难以篡改,去中心化,可追溯的特点,怎么跟网络通信结合呢?
评论
点赞
知名的时间序列开源库有,uber的orbit,linkedin的greykite。这篇文章介绍的是salesforce的Merlion。
评论
点赞
这篇文章介绍了美团2008年在kdd会议上发表的论文。
第一篇,研究了知识图谱中复杂逻辑查询问题,提出了基于KGTransformer的新型图神经网络推理器
第二篇,粗排场景自动特征与结构选择算法
第三篇,用户消费意图自动发现
第四篇,说服因素效果建模
第五篇,用于Top-k的反事实策略学习
第六篇,出餐时间概率预测
第七篇,多阶段送餐奖励框架
第一篇,研究了知识图谱中复杂逻辑查询问题,提出了基于KGTransformer的新型图神经网络推理器
第二篇,粗排场景自动特征与结构选择算法
第三篇,用户消费意图自动发现
第四篇,说服因素效果建模
第五篇,用于Top-k的反事实策略学习
第六篇,出餐时间概率预测
第七篇,多阶段送餐奖励框架
展开
评论
点赞
。
。
阳光明媚