ARTS 2019 07 07 (38)

最新推荐文章于 2024-01-24 15:33:44 发布

原创最新推荐文章于 2024-01-24 15:33:44 发布 · 238 阅读

0 ·

CC 4.0 BY-SA版权

Leetcode 同时被 3 个专栏收录

85 篇文章

订阅专栏

编程日记

68 篇文章

订阅专栏

ARTS

49 篇文章

订阅专栏

本文介绍了一种将罗马数字转换为整数的高效算法，并探讨了用户画像的构建方式，包括显式和隐式反馈，以及在推荐系统中的应用。同时，文章对比了余弦相似度和Pearson相似度在用户偏好计算中的优劣。

Algorithm：13. 罗马数字转整数
Review：用户画像
Tip/Tech：余弦相似度，pearson相似度
Share：宗教与科学——爱因斯坦（节选自《我的世界观》）

Algorithm

13. 罗马数字转整数

在这里插入图片描述

其实思想是非常简单的，具体到就是从右到左，如果当前的元素对应的数字大于等于它的右边的字符对应的数字，那么就在原来的结果上加上当前的字符对应的数字；
如果比右边的元素对应的数字小了，那么就再结果之上减去当前的元素对应的数字。

如果上面这么说明有些抽象的话，我们来看看代码：

Show the Code.

class Solution {
    public int romanToInt(String s) {
        Map<Character, Integer> map = new HashMap<>();
        map.put('I', 1);
        map.put('V', 5);
        map.put('X', 10);
        map.put('L', 50);
        map.put('C', 100);
        map.put('D', 500);
        map.put('M', 1000);
        char[] chars = s.toCharArray();
        int preNum = 0;
        int preIndex = 0;
        int len = chars.length;
        int res = map.get(chars[len - 1]);
        for (int i = chars.length - 2; i >= 0; --i) {
          if (map.get(chars[i])>= map.get(chars[i + 1])) {
               res += map.get(chars[i]);
           } else {
               res -= map.get(chars[i]);
           }
        }
        return res;
    }
}

以上的时间复杂度就是 $O (N)$ 。

Review

User Profile

用户画像

http://recommender-systems.org/user-profile/
这算是一篇科普性质的文章，里面简单说了关于用户画像的一些概念，但是没有什么实质上的内容。
用户画像可以有用户的显式和隐式的反馈来构建。
比如我们要上简书，注册账号的时候，网站会让我们选择我们感兴趣的话题。这就是用户的显式反馈，但是一个人的兴趣往往是多种多样的，只是第一反应的重要程度不同，所以我们在在网站的浏览过程中，我们发现了我们同样感兴趣的文章，我们用了搜索，阅读，收藏，评论，点赞，这些操作来表示我们的在意，那么这些就属于隐式反馈了。用户画像往往是根据这显式和隐式反馈来构建系统的。
但是显示反馈往往是增加用户的使用的负担，就像你不想天天做问卷调查一样，我们对显式的反馈往往有反感，其实无形之中是增加了我们的使用负担的。
相比较而言，隐式反馈则显现有好一些了，利用这些隐式反馈，但是隐式有着不确定的性，比如有的人同样对中国和外国的电影的评分就会不同，但是就算这样也无法保证他一定就是喜欢外国或者国内的电影。

Tip/Tech

基于近邻的协同过滤推荐算法

余弦相似度

https://blog.youkuaiyun.com/u012160689/article/details/15341303
https://zh.wikipedia.org/wiki/余弦相似性
 http://www.ruanyifeng.com/blog/2013/03/cosine_similarity.html
具体的文章可以看这篇，基本上就是
在这里插入图片描述
这个一般用来算两个用户之间的相似度，这个公式还是需要自己手动推到一遍才行，基本上次才能更好的理解和编码。

Pearson 相似度

皮尔逊的相似度是对余弦相似度的一种改进，因为我们有些维度会出现数据缺失的情况，那么就要用到这种皮尔逊相似度来进行求解了，其实公式看起来和余弦相似度有点像。就是需要你求平均值，然后进行相减。这里只是简单的说明一下，具体的要自己看资料了。
在这里插入图片描述

宗教与科学——爱因斯坦（节选自《我的世界观》）

只有那些投入了巨大的努力，尤其是他们的献身精神——要是没有这种献身精神，就不能取得理论科学上的开创性成就的人，才会从中理解这种情感的力量。

爱因斯坦认为，其实真正的相信科学的人才是真正意义上的宗教信仰者，他们的面对数年如一日的枯燥的研究如此的坚定，这不就是那种宗教信仰者才有的狂热么？所以，爱因斯坦说，宇宙宗教情怀是科学研究的最强烈和最高尚的推动力。
特别是对于理论科学来说，没有这种宗教的情怀，就不能获得成功。
在物欲横流的时代，这种对科学的情怀和那些宗教的献身精神是如此的相似。
宗教的很多东西是没有准确的知识的作为支撑的，只有口口相传的故事作为基础，但是这些故事真实性是无法考证的，只能靠着人们单纯的相信。这一点和那些做理论研究的科学家是多么的相似，他们的那些理论一般来说很少有事实的依据作为支撑，能够支撑的就是他们的自身的信念了，这就是那些科学家十分了不起的地方了。这也就是被爱因斯坦所称之为的，科学与宗教的相似之处。