根据现有的了解对【新闻推荐】领域做了一个不完全的综述，会一直更新，还有很多不准确的地方因为自己理解也不够深入，希望大佬指正

最新推荐文章于 2024-10-31 08:44:16 发布
原创 最新推荐文章于 2024-10-31 08:44:16 发布 · 406 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

博客内容提及移步到GitHub，可能涉及在GitHub上开展相关信息技术工作。
OCR入门教程系列（一）：OCR基础导论
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-01 9万+
📝导读：本系列主要介绍计算机视觉领域OCR文字识别领域技术发展方向，面向深度学习同学，内容总计五章，每章将从OCR技术发展、概念、方法等各种角度展开详细介绍。第一篇介绍OCR概念及发展以及相关数据集，其次列出几种常见的OCR文本检测与文本识别技术，文章最后分享几种开源的OCR平台，后续系列文章将继续介绍OCR相关技术及实战演练。
深入探讨互联网广告：变现机制与行业趋势
张彦峰的博客
08-22 5万+
无论是互联网企业还是传统的其他企业情况，变现模式比如说用户直接付费、佣金分成、内容付费、电子商务、金融运作、增值服务等，哪怕刚开始选择的是其他变现模式，最终也还是免不了要增加广告产品进行变现，也就是说广告才是互联网产品最常见的变现模式。 本文对广告产品进行基本分析和变现模式分析
AI：大模型领域最新算法SOTA核心技术要点总结(一直持续更新)、大模型实战与理论经验总结(训练优化+代码实战+前沿技术探讨+最新案例应用)、带你精细解读多篇优秀的大模型论文、AI领域各种工具产品集合
热门推荐
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
04-13 7万+
​ AI：大模型领域最新算法SOTA核心技术要点总结(一直持续更新)、大模型实战与理论经验总结(训练优化+代码实战+前沿技术探讨+最新案例应用)、带你精细解读多篇优秀的大模型论文、AI领域各种工具产品集合(文本/图片/编程/办公/视频/音频/多模态类)的简介之详细攻略 目录 相关文章 大模型领域最新算法SOTA总结
【一千个论文合集】计算机科学的26个细分领域近年必读论文集合
AI_Conf的博客
05-11 2万+
AMiner必读论文是一个可以帮您了解某个领域、机构、期刊、会议的学术专辑，包括必读论文和代表学者，由AI初筛+学者复核后提供给您，您可以收藏为自己的论文清单
这一年，这些书：2022年读书笔记
Heartsuit的博客
12-31 3万+
Note: 以下 `markdown` 格式文本由 `json2md` 自动转换生成，可参考[JSON转Markdown：我把阅读数据从MongoDB中导出转换为.md了](https://blog.youkuaiyun.com/u013810234/article/details/113360229)了解具体的转换过程。2022年读书笔记
精进：如何成为一个很厉害的人--作者：采铜
QiyunJzz的博客
12-04 3万+
精进：如何成为一个很厉害的人 作者：采铜 文章目录精进：如何成为一个很厉害的人序 用更勇敢的方式去生活01 时间之尺 我们应该怎样对待时间活在“全部的现在” 从当下出发，联结过去与未来那么，一个人应该怎样对待时间呢？不同场合，不同的时间视角由当下向过去与未来延伸对五年后的自己提问 如何解决远期未来与近期未来的冲突？两种未来视角下的思维差异如何解决生活里两种未来的冲突？我们总是在重复地抓起沙子 把时...
详解人工智能领域重大突破:GPT-3
喜欢打酱油的老鸟
09-19 2384
2020-09-14 16:09 导语：GPT-3是自然语言处理=领域迄今为止发布出来最大的Transformer模型，超过之前的记录——微软研究院Turing-LG的170亿参数——约10倍。 英语原文：Exploring GPT-3: A New Breakthrough in Language Generation 作者Kevin Vu，来自 Exxact Corp。 OpenAI 的 GPT-3 语言模型受到了极大追捧，最近“OpenAI API”的 beta 用户...
建议收藏，最全ChatGPT 中文调教指南：提供各个领域的角色提示词（prompts）及使用技巧，当然也有不正经指南
yumuing‘s blog
05-23 2万+
ChatGPT在日常的对话中，表现的非常的完美，当在其他的场景希望使用ChatGPT来解决问题的时候，通常需要给ChatGPT一些提示，或者说暗示，让其进入某种角色，这种情况下，ChatGPT的表现能够更加的游刃有余。提示词的存在让ChatGPT能够扮演特定的角色，对用户的回答更加专业对口
多模态情感识别数据集和模型(下载地址+最新综述2021.8)
qq_44722174的博客
09-01 3万+
引用论文：Zhao, Sicheng, et al. “Emotion Recognition from Multiple Modalities: Fundamentals and Methodologies.” arXiv preprint arXiv:2108.10152 (2021). PDF链接：Emotion Recognition from Multiple Modalities: Fundamentals and Methodologies. 新鲜出炉的赵思成和杨巨峰大佬的论文哦（情感识别领域
AIGC实战——生成式人工智能总结与展望
最新发布
盼小辉丶的博客
10-31 1万+
近年来，生成模型取得了突破性进展，生成式人工智能拥有了无限可能性和潜在影响，有着无限的实际应用潜力，我们期待着生成式人工智能够产生更广泛的影响。生成模型领域不仅仅是关于创建图像、文本或音乐的应用，而且生成式深度学习隐藏着人工智能的本质。在本节中，将概述生成式人工智能的发展历史，然后探讨生成式人工智能面临的机遇和挑战，介绍可能的发展方向，以及它对社会的潜在影响，并解决主要的伦理和实践问题。
【ChatGPT】实用 Prompt 指令大全 —— 一文教你如何更好地挖掘 GPT 的价值
AI天才研究院
04-15 2万+
ChatGPT 是由 OpenAI 开发的一种先进的大型语言生成模型，能够理解和生成准确、自然且连贯的文本。文本生成数据分析内容审核语义理解自然语言推理以及其他众多任务ChatGPT是一种基于GPT-3.5架构的大型语言模型，由OpenAI公司开发。该模型在自然语言处理领域有着广泛的应用，可以用于文本生成、文本分类、情感分析、问答系统等任务。本文将从模型的架构、训练方式、优缺点等方面对ChatGPT进行详细介绍。一、模型架构。
【小白做科研（四）】复现代码（上）
namespace_Pt的博客
11-07 1万+
写在前面 其实之前虽然我自己也瞎整了一些深度学习的代码（验证码识别、实体识别），也都发了博客，但无一例外都是参考现有的代码进行阅读理解演算，然后自己删删改改完成的，我只知道在某一步用某个函数完成了某个功能，但是我一直没有搞明白为什么要在这一步完成这个功能，对其中的机理只能不求甚解； 这样就像我先看答案再做题，尽管看完做完后，我这道题会了，但是遇到新的问题时，我就会倾向于先去看答案，而不是自己思考；如果找不到答案并且在从头学起的时候遇到困难，就会畏缩和放弃。 这种状态必须改变，从何改起？答案就是自己从零开始。
【小白做科研（一）】论文的命名、组织和论文内容梳理
namespace_Pt的博客
10-04 3119
本小白最近在看论文，只看不理解肯定是不行的，但我在如何记录自己的理解收获时有点小纠结：我是用ipad手写？还是用markdown打字？如果使用markdown，那我要给每一篇论文新开一个markdwon还是在一个文件中记录总结所有的想法？现在我找到了一个比较舒服的方式，给大家安利一手： 怎么给组织下载下来的论文？ 建议每一篇下载的文献，用其发表年份+论文题目命名，比如2018-News session based recommendation susing deep neural networks， 而每
【小白做科研（五）】复现代码（下）
namespace_Pt的博客
11-15 2912
前言 上次说到了复现模型，欠着训练和评测都没讲，这周把训练评测都搞定了，然后又复现了一篇新的，有一个感触就是深度学习这些模型看着感觉怪吓人，但是代码逻辑都不复杂，甚至还没有算法导论难hhh，而且自己写一写这些代码，真的感觉入了门，以及pytorch forum竟然给我发了邮件说把我提升了用户评级（因为我经常看他们博客）hh~ 这一篇也主要分享一些看到的好的博客，以及遇到的各种困难， 还有解决的过程。 数据处理 之前搬了微软在TensorFlow平台实现的手写iterator到Pytorch上，心里其实一直有
【小白做科研（三）】数据处理
namespace_Pt的博客
11-01 1733
读了很多论文，咱们自己心里也对整体的进展有了一些了解和脉络，那么下一步就可以试着复现啦~ 而要复现人家的代码，那肯定得找人家的数据集，数据到手后就可以开始处理了~ 这篇主要粘一些看到的比较好的博客 平台 我自己就是觉得pytorch比tensorflow帅hhhh，而且很多师兄大佬也说pytorch比较好，那就可以先从官网教程开始了解~ 需要指明一点，大家安装pytorch后其实不需要装cuda也可以用gpu（因为torch里附带了一些cuda的驱动），但是好像是功能受限，如果想要完整版应该还是得老老实实
【小白做科研( 八 )】关于Experiment
namespace_Pt的博客
01-21 930
文章目录前言关于PytorchMask一些学习笔记关于画图关于脚本关于可视化理解可视化的参数最后 前言 之前在忙考试周, 这个项目就搁置了一段时间, 最近考完试重新捡起来, 继续学习! 目前我们已经做完了数据处理, 复现了多篇论文的代码, 实验结果都和原论文一致, 接下来可以试一试提出自己的Idea并且做出一些实验啦~ 做实验时有各种收获, 也学了几个新东西, 这一篇就打算分享一下 关于Pytorch Mask 之前经常听到Mask这个词, 看了bert论文后知道原来是“遮住”一些词。那么除了作为预测任务外
【小白做科研( 七 )】“工欲善其事, 必先利其器” ( 下 )
namespace_Pt的博客
12-05 838
文章目录前言同步本地文件夹和服务器端文件夹模型表现NPA([[23] Npa Neural news recommendation with personalized attention](https://dl.acm.org/doi/abs/10.1145/3292500.3330665))FIM([[29] Fine-grained Interest Matching for Neural News Recommendation](https://www.aclweb.org/anthology/202
【小白做科研（二）】理解论文
namespace_Pt的博客
10-25 772
上一篇讲到了论文的命名方法，阅读框架等，这一篇主要说一下怎样让自己更能读懂、理解论文； 1. 明确动机，前后呼应 要明确每一篇论文的写作动机，动机里的各个细节都对应了模型的哪些创新之处。 2. Experiment也有其重要性 有的时候赶着看论文，就不看experiment，但其实好多时候前面说的一些方法，我们只是看上去懂了，其实还是没懂；很多输入的初始化、整个模型的基础构建都是在experiment中进行阐述的，因此还是得注意一下。 3. 模型图 其实有的论文感觉看一眼模型图好像就懂了大概，有的论文看了模
【小白做科研 ( 六 )】“工欲善其事, 必先利其器”( 上 )
namespace_Pt的博客
11-24 687
前言 上一篇算是把复现论文讲完了, 但是还是有几个遗留问题: 可视化训练loss 模型表现 这一篇解决一下上两个问题, 然后分享一些我写代码工具VSCode的一些很好用的功能~ 可视化训练loss 这里采用tensorboard进行可视化, pytorch配合tensorboard的官网教程看这里, 如果只是针对loss, 那么程序里注册了SummaryWriter后直接简单的writer.add_scalar('name', value, step)就可以, 我每隔10个step(batch) 更新一
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值