<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[kavin_star的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/kavin_star</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; kavin_star]]></copyright><item><title><![CDATA[每天一个知识点——L2R]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/132212718</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/132212718</guid><author>kavin_star</author><pubDate>Tue, 15 Aug 2023 14:05:36 +0800</pubDate><description><![CDATA[面试的时候，虽然做过医疗文献搜索，也应用过L2R的相关模型，但涉及到其中的一些技术细节，都会成为我拿不下offer永远的痛。也尝试过去理解去背下一些知识点，终究没有力透纸背，随着时间又开始变得模糊，下面对相关问题进行一个总结。]]></description><category></category></item><item><title><![CDATA[每天一个知识点——Normalization]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/132193749</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/132193749</guid><author>kavin_star</author><pubDate>Thu, 10 Aug 2023 11:42:43 +0800</pubDate><description><![CDATA[学习过程的记录与总结，有些是个人的理解，不一定全对，欢迎讨论和指正]]></description><category></category></item><item><title><![CDATA[句子表征｜Poly-Encoders]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/122241663</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/122241663</guid><author>kavin_star</author><pubDate>Thu, 30 Dec 2021 18:14:04 +0800</pubDate><description><![CDATA[目录



一、论文背景

二、模型架构

三、实验结果

论文：Poly-Encoders: Architectures And Pre-Training Strategies For Fast And Accurate Multi-Sentence Scoring

一、论文背景

    计算两个句子相似度有两种技术架构：Bi-Encoder（俗称双塔)和Cross-encoder，这两个的区别在于交互的时机，Bi-Encoder构架input_text和candidate分别训练，直到最后预...]]></description><category></category></item><item><title><![CDATA[句子表征|Condenser: A Pre-training Architecture for Dense Retrieval]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/122215145</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/122215145</guid><author>kavin_star</author><pubDate>Thu, 30 Dec 2021 13:11:36 +0800</pubDate><description><![CDATA[一、模型背景

二、模型架构

三、实验结果

四、Funnel-Transformer和U-Net介绍：

作者认为他的思路来源于Funnel-Transfomer(漏斗型)，而Funnel-Transfomer来源于U-net。

Funnel-Transformer：出发点是解决transformer性能瓶颈，因为它在每一层的每一个token都得做self-attention，随着句子长度的增加，计算量呈现平方级的增长，这就制约了它对长句句子表征的学习表达。

之前的解决方案主要分为模型后处理和非后处]]></description><category></category></item><item><title><![CDATA[菜鸟驿｜多分类的精准率和召回率]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/119606728</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/119606728</guid><author>kavin_star</author><pubDate>Thu, 12 Aug 2021 12:35:43 +0800</pubDate><description><![CDATA[在二分类中，结果的评价指标有召回率、准确率和f1值，将结果分为四类TP(true positive)、TN(true negative)、FP(false positive)、FN(false negative)，那么三个指标的计算表达式分别是







    二分类可以指定正例和负例， 那么在多分类任务中，这三个指标又将如何刻画呢，F1_measure依赖于recall和precision，跟二分类相同，下面就介绍一下准确率和召回率的计算，假设原始数据如表格所示：

真实
...]]></description><category></category></item><item><title><![CDATA[菜鸟驿|git]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/119271439</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/119271439</guid><author>kavin_star</author><pubDate>Sat, 31 Jul 2021 10:50:22 +0800</pubDate><description><![CDATA[针对程序员来说，git是一个绕不开的工具，只要涉及到工程版本迭代，就必然涉及到历史版本的管理，如果没有遇到特殊的情况，它的三板斧足够解决问题，所谓三板斧其实是三条命令:

    git add ./

    git commit -m "xxx"

    git push (orgin master)

    git add命令把本地所有untrack的文件都加入暂存区，据别的网页描述， git add * 和 git add .的区别是会不会过滤...]]></description><category></category></item><item><title><![CDATA[BERT结构]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/114530611</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/114530611</guid><author>kavin_star</author><pubDate>Mon, 08 Mar 2021 14:39:22 +0800</pubDate><description><![CDATA[先上两张图，具体细节有待后面补充






]]></description><category></category></item><item><title><![CDATA[文本比较算法Ⅲ——计算文本的相似度]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/114326228</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/114326228</guid><author>kavin_star</author><pubDate>Wed, 03 Mar 2021 17:47:31 +0800</pubDate><description><![CDATA[　　在“文本比较算法Ⅰ——LD算法”中，介绍了编辑距离的计算。

　　在“文本比较算法Ⅱ——Needleman/Wunsch算法”中，介绍了最长公共子串的计算。

　　在给定的字符串A和字符串B，LD(A,B)表示编辑距离，LCS(A,B)表示最长公共子串的长度。

　　如何来度量它们之间的相似度呢？

　　不妨设S(A,B)来表示字符串A和字符串B的相似度。那么，比较合理的相似度应该满足下列性质。

　　性质一：0≤S(A,B)≤100%，0表示完全不相似，100%表示完全相等

　　性质二：S(A,B)]]></description><category></category></item><item><title><![CDATA[为什么Python 3.6以后字典有序并且效率更高？]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/114272503</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/114272503</guid><author>kavin_star</author><pubDate>Mon, 01 Mar 2021 21:42:30 +0800</pubDate><description><![CDATA[在Python 3.5（含）以前，字典是不能保证顺序的，键值对A先插入字典，键值对B后插入字典，但是当你打印字典的Keys列表时，你会发现B可能在A的前面。

但是从Python 3.6开始，字典是变成有顺序的了。你先插入键值对A，后插入键值对B，那么当你打印Keys列表的时候，你就会发现B在A的后面。

不仅如此，从Python 3.6开始，下面的三种遍历操作，效率要高于Python 3.5之前：


for key in 字典

for value in 字典.values()

for key, va]]></description><category></category></item><item><title><![CDATA[搜索中的权重度量利器: TF-IDF和BM25]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/113870299</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/113870299</guid><author>kavin_star</author><pubDate>Fri, 19 Feb 2021 19:18:19 +0800</pubDate><description><![CDATA[我们在网上搜东西时，搜索引擎总是会把相关性高的内容显示在前面，相关性低的内容显示在后面。那么，搜索引擎是如何计算关键字和内容的相关性呢？这里介绍2种重要的权重度量方法：TF-IDF和BM25。

  在进入理论探讨之前，我们先举个例子。假如，我们想找和“Lucence”相关的文章。可以想一下，那些内容里只出现过一次“Lucence”的文章，有可能是在讲某种技术，顺便提到了Lucence这个工具。而那些出现了两三次“Lucence”的文章，很可能是专门讨论Lucence的。通过直觉，我们可以得出判断：关键..]]></description><category></category></item><item><title><![CDATA[搜索下拉框的算法和实践]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/113850325</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/113850325</guid><author>kavin_star</author><pubDate>Thu, 18 Feb 2021 17:34:23 +0800</pubDate><description><![CDATA[搜索下拉框也叫搜索提示，搜索下拉推荐，QAC(Query autocompletion)，Query suggestion。本质上是指搜索引擎系统根据用户当前的输入，自动提供一个query候选列表供用户选择，这些推荐query一般从query log中挖掘出大量的候选query，并且保持前缀相同，然后依据某种法则给候选query计算一个分数，最后选择出top10作为最终结果。搜索下拉框在搜索引擎和广告竞价平台中已经是标配的产品，它可以帮助用户明确搜索意图，减少用户的输入并节约搜索时间，提高搜索体验有重要作用]]></description><category></category></item><item><title><![CDATA[奇异值分解的来龙去脉]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/113848892</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/113848892</guid><author>kavin_star</author><pubDate>Thu, 18 Feb 2021 16:33:30 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[教程 | 一文读懂如何用LSA、PSLA、LDA和lda2vec进行主题建模]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/113848439</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/113848439</guid><author>kavin_star</author><pubDate>Thu, 18 Feb 2021 16:09:15 +0800</pubDate><description><![CDATA[本文是一篇关于主题建模及其相关技术的综述。文中介绍了四种最流行的技术，用于探讨主题建模，它们分别是：LSA、pLSA、LDA，以及最新的、基于深度学习的 lda2vec。




在自然语言理解任务中，我们可以通过一系列的层次来提取含义——从单词、句子、段落，再到文档。在文档层面，理解文本最有效的方式之一就是分析其主题。在文档集合中学习、识别和提取这些主题的过程被称为主题建模。

在本文中，我们将通过 4 种最流行的技术来探讨主题建模，它们分别是：LSA、pLSA、LDA，以及最新的、基于深度学习的 ld.]]></description><category></category></item><item><title><![CDATA[隐含语义索引——快速教程(Latent Semantic Indexing(LSI)---A Fast Track Turorial)]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/113847882</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/113847882</guid><author>kavin_star</author><pubDate>Thu, 18 Feb 2021 15:45:18 +0800</pubDate><description><![CDATA[摘要：



  这个快速教程提供了为查询和文档打分与使用SVD（奇异值分解）和term count model来对结果排名的说明。这个教程可以用作一个SVD的快速引用。LSI教程系列在下面的网址下描述：http://www.miislita.com/information-retrieval-tutorial/svd-lsi-tutorial-1-understanding.html


关键字：



  latent semantic indexing, LSI, singular v...]]></description><category></category></item><item><title><![CDATA[mysql中having和where的区别]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/113715508</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/113715508</guid><author>kavin_star</author><pubDate>Sat, 06 Feb 2021 11:08:31 +0800</pubDate><description><![CDATA[对于大部分了解mysql数据库并且会增删查改基本操作的程序员来说，看到这个标题，第一反应是：

    a、where用于正常的字段过滤，除了聚类group by;

    b、having只用于group by.

上面两点算对，但也只对了部分，实际这两者本质的区别就是where筛选的是数据库表里面本来就有的字段，而having筛选的字段是从前筛选的字段筛选的：

    a、where和having都可以使用的场景：

            se...]]></description><category></category></item><item><title><![CDATA[K8s CNI网络最强对比：Flannel、Calico、Canal和W]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/107806299</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/107806299</guid><author>kavin_star</author><pubDate>Wed, 05 Aug 2020 08:50:42 +0800</pubDate><description><![CDATA[介 绍



网络架构是Kubernetes中较为复杂、让很多用户头疼的方面之一。Kubernetes网络模型本身对某些特定的网络功能有一定要求，但在实现方面也具有一定的灵活性。因此，业界已有不少不同的网络方案，来满足特定的环境和要求。

CNI意为容器网络接口，它是一种标准的设计，为了让用户在容器创建或销毁时都能够更容易地配置容器网络。在本文中，我们将集中探索与对比目前最流行的CNI插件：Flannel、Calico、Weave和Canal（技术上是多个插件的组合）。这些插件既可以确保满足Kuberne.]]></description><category></category></item><item><title><![CDATA[Dgraph的集群部署]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/107174495</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/107174495</guid><author>kavin_star</author><pubDate>Wed, 08 Jul 2020 09:36:22 +0800</pubDate><description><![CDATA[Dgraph是免安装版的，可以直接下载安装组件直接运行所需服务，也可以通过docker镜像来启动服务。整个组件包括三个部分： 

Zero: 是集群的核心, 负责调度集群服务器和平衡服务器组之间的数据，类比于Elasticsearch的master节点；
	Alpha: 保存数据的谓词和索引. 谓词包括数据的属性和数据之间的关系; 索引是为了更快的进行数据的过滤和查找，类比于Elasticsearch的data节点；
	Ratel: dgraph 的 UI 接口, 可以在此界面上进行...]]></description><category></category></item><item><title><![CDATA[分布式图数据库在贝壳的应用实践]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/107169475</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/107169475</guid><author>kavin_star</author><pubDate>Mon, 06 Jul 2020 22:20:02 +0800</pubDate><description><![CDATA[你想知道百亿级图谱如何实现毫秒级查询吗？社区众多的图数据库中如何才能挑选到一款适合实际应用场景的图数据库呢？贝壳找房的行业图谱480亿量级的三元组究竟是如何存储的呢？本文将带你探索上述问题并从中得到解答。本次分享题目为"分布式图数据库在贝壳找房的应用实践"，共分为以下五大块内容：

图数据库简介
	图数据库技术选型
	图数据库平台建设
	原理&amp;优化&amp;不足
	未来规划
	先来看一个问题：贝壳找房最大的图谱——行业图谱，目前量级已经达了480亿三元组，如此海量的图谱数据究竟应该如何存储，如何查询]]></description><category></category></item><item><title><![CDATA[dgraph bulk和dgraph live的区别和操作]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/107168599</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/107168599</guid><author>kavin_star</author><pubDate>Mon, 06 Jul 2020 22:09:10 +0800</pubDate><description><![CDATA[当图谱构建完毕后，就需要将数据上传到图谱查看效果，往往数量量比较大，借助一些工具能实现数据的快速上传，dgraph 自带了两个上传命令，dgraph bulk 和 dgraph live。

  dgraph bulk：作为首选方案的原因是它的执行效率比dgraph live高很多，话不多说，先罗列一它的执行命令：

   dgraph bulk -f data.rdf -s data.schema --map_shards=4 --reduce_shards=1 --zero=lo...]]></description><category></category></item><item><title><![CDATA[dgraph搜索时如何限制节点数]]></title><link>https://blog.youkuaiyun.com/kavin_star/article/details/107168279</link><guid>https://blog.youkuaiyun.com/kavin_star/article/details/107168279</guid><author>kavin_star</author><pubDate>Mon, 06 Jul 2020 21:33:00 +0800</pubDate><description><![CDATA[在搜索时，往往图谱中与某个节点关联的周围节点数量繁多，我们需要通过一定的条件过滤留下满足需求的结果，dgraph 默认是根据uid排序

｛

    find_follower(func: uid(MICHAELS_UID)){

       name

       age

       follows （first: 3）{      # 获取前3条

         name

    ...]]></description><category></category></item></channel></rss>