weiwei935707936的博客

原创 Amazon数据集下载

wget https://datarepo.eng.ucsd.edu/mcauley_group/data/amazon_2023/raw/meta_categories/meta_All_Beauty.jsonl.gzwget https://datarepo.eng.ucsd.edu/mcauley_group/data/amazon_2023/raw/meta_categories/meta_Amazon_Fashion.jsonl.gzwget https://datarepo.eng.ucsd.e

原创 【无标题】

创建分支： 同时创建分支和库：git init -b <分支名称> 已有仓库，创建分支: 仅创建分支：git branch <分支名称> 创建并切换到分支：git checkout -b <分支名称> 分支查看: git branch 切换分支: git checkout 删除分支: git branch -D <分支名称> 重命名分支: git branch -m <原名称> <新名称>

原创 不用密码登录的话，要先设好公钥私钥

cat id_rsa.pubssh-rsa AAAAB3NzaC1yc2EAAAADAQABAAABgQCpCgZ1wF9h24tpc1cJR0SdohoJi+/VxHfak73SYG3eVZjEdYvnE32okQaE53B8utS+CulS/LEPS6H3sNjCGh7+PPFw5o6bITTRI0kadCbT80AoA8HoZjgH1/SrqRzYSdn4rZdc1d6crsGGtQB1dQGD2KmtRWn8/MsUHtP1pIUVfjuIh7Ye6o27D7D0UJ6xoGX4QIESUqxROm

转载 LLaMA3各种安装方法

1. 替换 Meta-Llama-3-8B-Instruct/ 你的检查站目录的路径Meta-Llama-3-8B-Instruct/tokenizer.model 找到了你的标记器模型.当你运行下载时,你需要这个网址，一旦你收到电子邮件,导航到你下载的骆驼存储库和运行下载。4. 这个例子运行了 example_chat_completion.py 在这个存储库中找到,但是你可以将它更改为不同的文件。然后指定meta-llama/Meta-Llama-3-8B-Instruct。

原创 安装llama_factory

第一版：cd LLaMA-Factory/nvidia-smipip list第二版：nvidia-smils。

原创 neo4j安装插件apoc

ls。

原创 服务器neo4j安装

ip addID=ubuntudone.done.done.done.password:Bye!enabled;16s ago;0 rowsBye!

原创 英语恶补ing

说话者实际上是在表达，他们看不出不买二手电脑的理由，因此，暗示他们认为买二手电脑是合理的。在具体的句子中，情态动词可以用来表达说话者对某个动作或情况的态度或看法。：使用“wouldn’t”来强调说话者对某事的看法和态度。通过否定的形式“wouldn’t”，句子强调了说话者觉得没有理由不这么做。：如“must”、“should”，表示某人有责任或应该做某事。：如“will”、“would”，表示某人愿意或计划做某事。：如“might”、“could”，表示某事有可能发生。second hand是形容词了。

原创 本机Neo4j连接

输入用户名和密码：neo4j， 梦想密码（首次neo4j）浏览器访问：http://localhost:7474/终端输入： neo4j console。

原创 Git操作--如何将本地文件夹push到远程新建的仓库中

如果要解除关联，可以使用：git remote remove origin (注意这里不需要指定具体的仓库地址了)# git add README.md 表示将 README.md这个文件添加到暂存区。git add . #（不要忘了后面的点"."，表示所有文件及目录）git remote add origin 远程仓库地址。git remote add origin 远程库地址。git commit -m "提交信息"

原创 连接学校vpn

Step2: 输入第二邮箱发送的验证码。Step1: 输入用户名和密码。

原创 huggingface快速下载

export HF_HUB_ENABLE_HF_TRANSFER=1 （Linux，可以写入bashrc或zshrc）

原创 vi常见命令

原创 2023推荐系统论文集锦

Defense Against Model Extraction Attacks on Recommender SystemsSixiao Zhang (Nanyang Technological University)*; Hongzhi Yin (The University of Queensland); Hongxu Chen (The University of Queensland); Cheng Long (Nanyang Technological University)Motif-bas

原创 推荐系统的测试数据集划分

转载 已接收的LLM相关的推荐系统论文整理

Let the LLMs Talk: Simulating Human-to-Human Conversational QA via Zero-Shot LLM-to-LLM Interactions（阿姆斯特丹，港中文）【让LLM对话：通过零样本LLM-LLM交互模拟人与人的对话QA】GPT4Table: Can Large Language Models Understand Structured Table Data? A Benchmark and Empirical Study（新加坡国立，微软）

转载 WSDM‘2024 基于大模型(LLMs)的推荐系统 基于内容的多模态推荐系统（代码，多模态推荐数据集）

本研究聚焦于设计LLM增强多模态推荐模型，以有效应对稀疏的隐式反馈信号和低质量附加信息的挑战。通过对用户交互偏好的建模和去偏商品属性，我们提出了一种解决方案。为确保增强数据的质量，我们引入了一个去噪的增强鲁棒机制。尽管目前我们主要集中在使用LLMs对文本信息进行增强，未来的研究方向应该更进一步。[图片来自“Recommender Systems in the Era of Large Language Models (LLMs)”]

原创 Latex 能用的textcolor

\textcolor{red}{red}\textcolor{green}{green}\textcolor{blue}{blue}\textcolor{cyan}{cyan}\textcolor{magenta}{magenta}\textcolor{yellow}{yellow}\textcolor{black}{black}\textcolor{white}{white}\textcolor{gray}{gray}\textcolor{brown}{brown}\textcolor

原创 机器网络出现问题之后拿这些代码测试ip

转载 800 篇顶会论文纵览推荐系统的前沿进展(转载)

从早期基于用户或物品邻域的 UserKNN 和 ItemKNN 方法，到基于矩阵分解的 SVD++、BPRMF，再到近几年基于图神经网络的 NGCF、LightGCN 等模型，基于相似性进行推荐的思路时至今日仍然在新技术的推动下焕发着强大的生机。本文聚焦于推荐系统在学术研究方面的前沿进展，在之前整理的 Awesome-RSPapers 基础上扩展了近两年顶会中推荐系统相关的论文，涵盖 SIGIR、SIGKDD、RecSys、CIKM、AAAI、WSDM、WWW 的 20 次会议。欢迎大家关注和 Star~

原创 最新推荐系统集锦

https://arxiv.org/abs/2302.11087User Behavior Modeling (UBM) plays a critical role in user interest learning, which has been extensively used in recommender systems. Crucial interactive patterns between users and items have been exploited, which brings com

原创 Diffusion理论基础(VDM, not SDE)

有两种形式：有两种形式：用公式2推导出ELBO：VAE的ELBO，reconstruction term（解码器）和prior matching term（编码器）的意义：VAE重参数化技巧：HVAE的推导：因为不需要编码器，是线性地加高丝噪声，所以有（30）：VDM的推导：DDPM的推导：

转载 深度学习----多模态推荐系统，多模态推荐数据集(WWW‘ 2023 MMSSL)

多模态推荐系统(WWW'2023)， 多模态推荐数据集

原创 杂乱无法分类的文章----VR, Oculus, UE

https://www.bilibili.com/video/BV1iz4y1S7bR/?spm_id_from=333.999.0.0&vd_source=e971baf3b64279d10895a4036356c154https://www.bilibili.com/video/BV1XG4y1V7kH/?spm_id_from=333.337.search-card.all.click&vd_source=e971baf3b64279d10895a4036356c154https://www.bili

原创 深度学习基础----信息量，信息熵，交叉熵，KL散度

信息量：信息量：信息熵：KL散度：交叉熵：

原创 深度学习基础：可解释性

可解释性

原创 杂乱无法分类的文章：PyG配置

PyG配置

转载 杂乱无法分类的文章----ssh两遍，即需要跳板机的时候需要的操作

ssh两次

原创 杂乱无法分类----将文章挂在arxiv上

编译bbl: debug按钮拉到最下面，然后点击右下角，选择.bbl。

原创 Pytorch----有关梯度的错误的积累(不断积累中)

将一个有梯度的东西赋值给一个没梯度的东西是不行的，那一句加了.detach()才行。

原创 深度学习基础----Exponential Moving Average

pytorch实现的时候非常需要的基础知识：（参考：）pytorch实现的时候非常需要的基础知识：（参考：）pytorch实现：（参考一下博客：）

原创 快速读论文----异质图神经网络（写文章帮助总结异质图神经网络的文章）

异质图神经网络（写文章帮助总结异质图神经网络的文章）

原创 深度学习基础----GAE和VGAE

GAE和VGAE快速入门

原创 深度学习基础----ROC曲线和AUC值

这个链接里的视频就很好：【小萌五分钟】机器学习 | 模型评估: ROC曲线与AUC值_哔哩哔哩_bilibili

原创 深度学习基础----GNN谱域和空域 （不断完善更新积累）

慢慢理解GNN谱域和空域

原创 快速读论文----AD-GCL：Adversarial Graph Augmentation to Improve Graph Contrastive Learning

AD-GCL：Adversarial Graph Augmentation to Improve Graph Contrastive Learning

原创 GraphMAE----论文快速阅读

graph上的generative SSL

原创 PAT--B--数学

（读懂题目）1001// 1.没有读懂题目， 还是多读PAT原题#include <stdio.h>#include <iostream>using namespace std;int main(){ int n; scanf("%d", &n); int count = 0; while(n != 1){...

原创 PAT----图----连通图

_________________________________________________________二.联通图for大循环遍历所有N个节点: DFS cnt++ DFS: visit[index]=1 for()if(!)DFS() _________________________________________________________连通图1013//1.有人说： 邻接矩阵遍历次数多， 会有超时问题， 用领接表会好一点//2.领接.

原创 PAT----图----并查集

并查集， 连通分量1107// 1.如果说“error: ‘scanf’ was not declared in this scope”：// 具体的解决： include "stdio.h"// 统一解决： include <bits/stdc++.h>// 2.并查集：// （1）father数组: 大小--节点的个数。 初始化-...