logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

推荐系统开源工具RecBole学习

RecBole是由AI Box团队开发的基于Pytorch的推荐系统算法库。该框架从数据处理、模型开发和算法训练都有涉及,能方便进行算法构建和实验对比。

文章图片
#推荐算法#python#pytorch +1
A-Star(A*)算法

A-Star(A*)算法作为Dijkstra算法的扩展,在寻路和图的遍历过程中具有一定的高效性。【适用范围】静态图搜索【算法流程】A-Star算法中采用的估价函数如下,其中*h(i)的引入可以防止搜索过程中过渡跑偏到很多非常遥远的路径,但是这个h(i)*是未知的,计算中采用一个可以估计的值进行表达,一般用简单的曼哈顿距离f(i)=g(i)+h(i);当前节点的价值估值f(i)=起始点到该节...

Nature子刊!丹麦全国人口数据投喂大模型,用来预测寿命了(逆天改命有了可能)

该论文提出了一个基于Transformer的life2vec模型,用于处理大规模人口注册数据,并在早期死亡率预测和人格预测两个任务上进行了实验验证。实验主要探究模型预测性能、概念嵌入空间的语义结构以及个体表示向量等方面。本论文针对利用社会经济和医疗数据预测个人生活轨迹和生活结果的问题,提出了一种基于Transformer的life2vec模型。通过将生活事件序列映射到高维嵌入空间,并利用该嵌入表示

文章图片
#人工智能
【阿里强化学习01】基于强化学习的实时搜索排序策略调控

【背景】让搜索引擎对不同特点的用户做出针对性的排序,以此带动基于搜索引导下的成交。传统方法Learning to Rank(LTR)⽅法主要是在商品维度进⾏学习,根据商品的点击、成交数据构造学习样本,回归出排序权重。Contextual LTR ⽅法可以根据⽤户的上下⽂信息对不同的⽤户给出不同的排序结果,但它没有考虑到⽤户搜索商品是⼀个连续的过程。⽤户最终选择购买或不够买商品...

【阿里强化学习01】基于强化学习的实时搜索排序策略调控

【背景】让搜索引擎对不同特点的用户做出针对性的排序,以此带动基于搜索引导下的成交。传统方法Learning to Rank(LTR)⽅法主要是在商品维度进⾏学习,根据商品的点击、成交数据构造学习样本,回归出排序权重。Contextual LTR ⽅法可以根据⽤户的上下⽂信息对不同的⽤户给出不同的排序结果,但它没有考虑到⽤户搜索商品是⼀个连续的过程。⽤户最终选择购买或不够买商品...

启发式搜索算法&最短路径搜索算法概述

启发式搜索算法概述随着计算机性能的提高,搜索算法利用计算机的计算资源有目的穷举一个问题解空间的部分或所有的可能情况,从而求解出问题的解。现阶段搜索类算法一般有深度/广度优先搜索、枚举算法、A-Star算法、蒙特卡洛树搜索等,目前众多的搜索算法都从以下几个方面来降低搜索的时间和复杂性;1、搜索前根据条件降低搜索规模2、根据问题的约束条件进行剪枝3、利用搜索过程中的中间解,避免重复计算启发式...

代码提示 | 代码提示在文本+代码LLM中激发条件推理能力

代码提示(Code Prompting)是指将自然语言(NL)问题转化为类似编程语言的伪代码形式,然后将这段代码作为提示输入给语言模型,请其生成最终答案的方法。形式上,代码提示由两部分组成:(1)注释中保留的原始NL描述;(2)代码语句体现的隐含逻辑关系,特别是条件推理逻辑。图1展示了一个NL问题转化为代码提示的例子。代码提示有以下几个显著特点:巧妙地利用了编程语言的语法结构来明确表达NL问题中暗

文章图片
Nature子刊!丹麦全国人口数据投喂大模型,用来预测寿命了(逆天改命有了可能)

该论文提出了一个基于Transformer的life2vec模型,用于处理大规模人口注册数据,并在早期死亡率预测和人格预测两个任务上进行了实验验证。实验主要探究模型预测性能、概念嵌入空间的语义结构以及个体表示向量等方面。本论文针对利用社会经济和医疗数据预测个人生活轨迹和生活结果的问题,提出了一种基于Transformer的life2vec模型。通过将生活事件序列映射到高维嵌入空间,并利用该嵌入表示

文章图片
#人工智能
Nature子刊!丹麦全国人口数据投喂大模型,用来预测寿命了(逆天改命有了可能)

该论文提出了一个基于Transformer的life2vec模型,用于处理大规模人口注册数据,并在早期死亡率预测和人格预测两个任务上进行了实验验证。实验主要探究模型预测性能、概念嵌入空间的语义结构以及个体表示向量等方面。本论文针对利用社会经济和医疗数据预测个人生活轨迹和生活结果的问题,提出了一种基于Transformer的life2vec模型。通过将生活事件序列映射到高维嵌入空间,并利用该嵌入表示

文章图片
#人工智能
一文彻底搞懂信息熵、相对熵、交叉熵和条件熵(含例子)

熵:就是描述信息的不确定的程度,统计学中,对事件的发生情况可以通过概率P定量的描述出来,熵也是一种统计学定量描述,是对信息的不确定程度的描述,这种描述也是通过“概率P”来描述的。对于某个事件的信息熵的计算公式如下:式中X代表事件,事件X的发生存在n中可能性,当我们知道每一种可能性情况下的发生概率值时,就能通过上式子计算得到信息熵值。【例子】序号事件...

#机器学习#深度学习
    共 20 条
  • 1
  • 2
  • 请选择