- 博客(36)
- 收藏
- 关注
RSS订阅原创 19.推荐系统的隐私保护
隐私保护是推荐系统设计中的重要环节，通过使用数据匿名化、差分隐私、同态加密和联邦学习等技术，可以有效地保护用户隐私，确保用户数据的安全性。在实际应用中，选择适当的隐私保护技术，并根据具体需求进行优化和调整，是构建安全可靠的推荐系统的关键。希望通过这节课的学习，你能更好地理解和应用推荐系统中的隐私保护技术。如果你还有其他问题或者想了解更多的内容，请随时告诉我！
2025-02-12 14:28:53
299
原创 18.推荐系统的冷启动问题
冷启动问题是推荐系统中的一个重要挑战，通过利用用户和项目的属性信息、结合协同过滤与内容的方法、引导用户提供初始偏好、利用外部数据源以及进行A/B测试和探索性推荐，可以有效地缓解冷启动问题。希望通过这些方法，能够帮助你在实际应用中解决推荐系统的冷启动问题。如果你还有其他问题或者想了解更多的内容，请随时告诉我！
2025-02-12 14:26:09
332
原创 17.推荐系统的在线学习与实时更新
推荐系统的在线学习与实时更新是确保推荐结果实时性和相关性的关键技术。我们介绍了在线学习的概念、实时更新的必要性，以及如何通过增量更新模型和流处理框架实现在线学习。通过这些技术，推荐系统可以快速适应用户行为的变化，提供更加精准和相关的推荐。
2025-02-12 14:24:04
305
原创 16.推荐系统的个性化与多样性
在这一课中，我们介绍了个性化推荐系统、多样性推荐系统、个性化与多样性结合的方法，并通过实践示例展示了如何实现个性化和多样性推荐。通过这些内容，你可以初步掌握推荐系统的个性化和多样性方法，提升推荐结果的质量和用户满意度。
2025-02-12 14:19:45
673
原创 15.推荐系统的实验设计与评估
在这一课中，我们介绍了推荐系统的实验设计与评估的重要性、常见的实验设计方法、推荐系统的评估指标，并通过实践示例展示了如何进行推荐系统的实验设计与评估。通过这些内容，你可以初步掌握推荐系统的实验设计与评估方法。
2025-02-11 20:01:06
986
原创 14.推荐系统的多领域应用
在这一课中，我们介绍了推荐系统在电商、社交媒体、音乐和新闻等不同领域的应用和关键技术，并通过实践示例展示了如何构建一个简单的电商推荐系统。通过这些内容，你可以初步掌握推荐系统在不同领域的应用方法。
2025-02-11 19:59:08
936
原创 13.推荐系统的性能优化
在这一课中，我们介绍了推荐系统的性能优化的重要性、常见的性能优化方法，并通过实践示例展示了如何进行数据预处理与缓存、模型压缩与加速、分布式计算与存储。通过这些内容，你可以初步掌握推荐系统的性能优化方法。
2025-02-11 19:57:51
575
原创 12.推荐系统的前沿技术
在这一课中，我们介绍了推荐系统的前沿技术，包括图神经网络（GNN）、强化学习（RL）和深度学习（DL），并通过实践示例展示了如何应用这些技术进行推荐。通过这些内容，你可以初步掌握前沿技术在推荐系统中的应用方法。
2025-02-11 19:56:10
755
原创 11.推荐系统的安全与隐私保护
在这一课中，我们介绍了推荐系统中的隐私与安全挑战、保护用户隐私的方法和数据安全技术，并通过实践示例展示了如何使用数据匿名化、差分隐私和数据加密技术，保护用户的数据。通过这些内容，你可以初步掌握在推荐系统中保护用户隐私和数据安全的方法。
2025-02-11 19:54:32
925
原创 10.推荐系统的用户研究
在这一课中，我们介绍了用户研究的基本概念、方法和在推荐系统中的应用，并通过实践示例展示了如何进行用户访谈、问卷调查和A/B测试，优化推荐系统。通过这些内容，你可以初步掌握用户研究的方法和在推荐系统中的应用。
2025-02-11 19:53:36
613
原创 9.混合推荐系统的高级应用
在这一课中，我们介绍了混合推荐系统的基本概念、类型和实现方法，并通过实践示例展示了如何实现加权混合和级联混合推荐系统。通过这些内容，你可以初步掌握混合推荐系统的设计与实现方法。
2025-02-11 19:51:29
761
原创 8.大规模推荐系统的实现
在这一课中，我们介绍了大规模推荐系统的挑战、架构设计和常用技术，并通过一个实践示例展示了如何设计和实现一个大规模推荐系统。通过这些内容，你可以初步掌握大规模推荐系统的设计与实现方法。
2025-02-11 18:46:02
659
原创 7.推荐系统的评价与优化
在这一课中，我们介绍了推荐系统的常见评价指标、评价推荐系统的实验设计和推荐系统的优化方法，并通过一个实践示例展示了如何评价和优化推荐系统。通过这些内容，你可以初步掌握推荐系统的评价与优化方法。
2025-02-11 18:43:43
1001
原创 6.深度学习在推荐系统中的应用
在这一课中，我们介绍了深度学习在推荐系统中的应用，详细讲解了几种常用的深度学习推荐模型，并通过一个实践示例展示了如何使用神经协同过滤（NCF）模型实现一个深度学习推荐系统。通过这些内容，你可以初步掌握深度学习推荐系统的设计和实现方法。
2025-02-11 18:40:18
1147
原创 5.实时推荐系统的设计与实现
在这一课中，我们介绍了实时推荐系统的基本概念、架构设计和关键技术，并通过一个实践示例展示了如何设计和实现一个简单的实时推荐系统。通过这些内容，你可以初步掌握实时推荐系统的设计和实现方法。
2025-02-11 18:38:35
1345
原创 4.混合推荐系统
在这一课中，我们介绍了混合推荐系统的基本概念和常见方法，并通过一个实践示例展示了如何结合协同过滤和基于内容的推荐，使用加权混合的方法实现一个混合推荐系统。通过这些内容，你可以初步掌握混合推荐系统的设计和实现方法。
2025-02-11 18:37:16
820
原创 3.矩阵分解技术在推荐系统中的应用
在这一课中，我们介绍了矩阵分解的基本概念，并详细讲解了两种常用的矩阵分解技术：奇异值分解（SVD）和非负矩阵分解（NMF）。我们还演示了如何在推荐系统中使用这些技术进行评分预测。通过这些内容，你可以初步掌握矩阵分解技术在推荐系统中的应用。
2025-02-11 18:34:24
792
原创 2.协同过滤算法
在这一课中，我们详细介绍了协同过滤算法的实现，包括用户-用户协同过滤和项目-项目协同过滤，并讨论了数据稀疏性问题的处理方法和推荐系统的评价指标。通过这些内容，你可以初步掌握协同过滤算法的实现和优化方法。
2025-02-11 18:33:00
883
原创 1.推荐算法基本概念
在第一课中，我们介绍了推荐算法的基本概念和分类，并简要讲解了协同过滤和基于内容的推荐。接下来，你可以选择一个推荐算法进行深入学习和实践。推荐系统是一个复杂且多样化的领域，在实际应用中，通常会采用混合推荐的方法，结合多种算法来提升推荐效果。
2025-02-11 18:30:50
976
原创 运维工具Open-Falcon真正实现Supervisor管理
运维工具Open-Falcon真正实现Supervisor管理运维工具Open-Falcon真正实现Supervisor管理新建supervisor配置文件S10Falcon编辑你的supervisord.conf文件重启supervisor运维工具Open-Falcon真正实现Supervisor管理open-falcon的judge和alarm模块需要基于MySQL服务，如果想要开机自启，...
2019-12-26 10:02:39
377
原创 python3之flask框架连接redis数据库
先复习下ubuntu安装redis的步骤$ wget http://download.redis.io/releases/redis-4.0.8.tar.gz$ tar xzf redis-4.0.8.tar.gz$ ln -s redis-4.0.8 redis$ cd redis$ make$ make install说明一下上面的操作：1）下载Redis指定版本...
2018-03-09 15:18:02
12366
3
原创 python3格式化输出
输出方式print()格式控制字符串格式控制str.format()格式控制输出方式python3使用print()函数输出，第二种方式是使用str.format()函数格式化输出。print()格式控制字符串format方法字符串输入数据格式类型(%格式操作符号)%% 输出百分号%c 字符及其ASCII码%d 有符号整数(十...
2018-03-08 14:49:41
2780
原创 python之argparse模块学习
python3版本的官方文档：https://docs.python.org/3/library/argparse.html基础篇程序什么都不做： prog.pyimport argparseparser = argparse.ArgumentParser()parser.parse_args()程序运行结果如下：$ python prog.py$ python
2017-09-01 10:32:22
644
原创 Redis-MISCONF Redis问题解决方法
使用Eclipse通过Jedis连接池方式写数据时报错，出现了MISCONF Redis is configured to save RDB snapshots, but is currently not able to persist on disk. Commands that may modify the data set are disabled. Please check Redis lo
2017-08-18 14:38:22
828
原创 NoSQL之Redis安装测试
Redis安装测试我使用的版本： Redis-4.0.1.tar.gz jedis-2.9.0.jar commons-pool2-2.4.2.jar 虚拟机版本是64位的ubuntu16.04，将redis解压、make, make install PREFIX=/usr/local/redis 然后将解压包中的redis.conf复制到安装目录下， /usr/local/redis
2017-08-17 20:00:44
353
原创 GNU CoreUtils 命令源码重编译
coreutils 是GNU下的一个软件包，包含linux下的 ls、pwd等常用命令。这些命令的实现要依赖于shell程序。 源码的下载地址可以到http://www.gnu.org/software/coreutils/这个网址下载； 我下载的版本是coreutils-8.27,在虚拟机ubuntu14.04下编译运行。首先解压文件，进入coreutils-8.27目录，执行./config
2017-06-21 16:42:05
3132
2
原创 python3.6安装numpy,scipy,matplotlib
今天做实验用到zipf分布，需要用scipy库，pycharm安装结果不好用， 装半天还报错，就很气啊 然后发现应该是和之前装的numpy八字不合，二话不说我先卸了这货 cmd运行 pip uninstall numpy要装就给这俩装一对儿才行，python3.6的很多包自动安装都会找不到资源，http://www.lfd.uci.edu/~gohlke/pythonlibs/从这里下载nu
2017-05-30 22:09:14
7716
1
原创 python连接mysql
在pycharm中连接mysql我的mysql版本是5.5，python版本是3.6.0，PyCharm 版本是2016.2.2（64） python3连接mysql数据库需要安装PyMySQL插件import pymysql.cursorsdef connDB(): try: conn = pymysql.connect(host='localhost',
2017-05-28 13:13:40
525
原创 分治——归并排序
归并排序（） java代码如下：package 分治技术;/*分治法——归并排序 * 二路归并排序的分治策略是： （1）划分：将待排序序列r1, r2, …, rn划分为两个长度相等的子序列r1, …, rn/2和rn/2＋1, …, rn； （2）求解子问题：分别对这两个子序列进行排序，得到两个有序子序列； （3）合并：将这两个有序子序列合并成一个有序序列。 */
2017-05-19 10:56:24
777
原创 分治——大整数乘法
问题描述：设X和Y是两个n位的二进制整数，现在要计算它们的乘积XY，传统方法计算每2个1位数乘法或加法都看作一步运算，这样需要O(n2)次位运算，代价太高，现在运用分治法设计一个更有效的大整数乘法算法。当n=1时，计算X·Y就是一次位乘。现在对X、Y进行划分，把X和Y各分为两段，每段长为n/2(假设n=2k,k为正整数)， X=A·2n/2+B Y=C·2n/2+D 那么XY=(X=A·2n/
2017-05-19 10:49:04
1224
2
原创 Laplace(拉普拉斯)平滑
平滑技术 平滑技术是为了解决训练集的数据稀松问题。 零概率问题，就是在计算实例的概率时，如果某个量x，在观察样本库（训练集）中没有出现过，会导致整个实例的概率结果是0。在文本分类的问题中，当一个词语没有在训练样本中出现，该词语调概率为0，使用连乘计算文本出现概率时也为0。这是不合理的，不能因为一个事件没有观察到就武断的认为该事件的概率是0。 一般的m阶马尔科夫链转移概率是这
2017-05-17 16:24:49
4317
2
原创 马尔可夫链
在做口令破解方面研究时遇到马尔可夫链，现在简单整理下相关内容。 安德烈·马尔可夫，俄罗斯人，物理-数学博士，圣彼得堡科学院院士，彼得堡数学学派的代表人物，以数论和概率论方面的工作著称，他的主要著作有《概率演算》等。马尔可夫最重要的工作是在1906～1912年间，提出并研究了一种能用数学分析方法研究自然过程的一般图式——马尔可夫链。同时开创了对一种无后效性的随机过程——马尔可夫过程的研究。马尔科夫过
2017-05-17 15:28:54
1234
原创 堆排序算法
堆排序(heapsort),在最坏情形和平均情形下，时间复杂度都为O(nlgn),具有空间原址性，只需常数个额外的元素空间存储临时数据。顾名思义，堆排序采用了“堆”这一数据结构，下面先简单介绍一下堆的知识。（参考算法导论第三版内容） （二叉）堆在内存中是一个数组的形式，可以看作一个完全二叉树，从左向右填充。n个节点的堆，高度为θ(lgn).设定树的根节点是A[0],这样给定一个下标i,它的
2017-05-16 16:10:56
295
原创 Java事件处理——按钮和按键映射到动作对象
目标：实现按下CTRL+Y、CTRL+B或CTRL+R来改变面板颜色 Swing包的Action接口封装了命令，将它们连接到多个事件源。java代码如下： ActionFrame.javapackage simpleframe;import java.awt.*;import java.awt.event.*;import javax.swing.*;public class ActionF
2017-05-16 15:03:15
1634
原创 稳定排序之插入排序
插入排序（Insertion Sorting）就是每次都将一个无序的待排数据按其大小插入到已经排序的数据中的适当位置，直到全部插入完毕。比较顺序是有序部分的从右到左（从大到小）和有序部分比较，算法描述：将待排数组L[0..n-1]（共n个数）分为两部分，L[0..i]为有序部分，L[i+1..n-1]为未排序部分。1.i=0. 2.把L[i+1]插入到L[0..i]中的正确位置，i++. 3.i
2017-05-16 08:56:44
780
原创 字符串匹配——KMP算法
字符串匹配——KMP算法KMP(Knuth-Morris-Pratt)算法分两部分，先计算Next[]数组，然后进行串匹配。 KmpNext算法描述如下： 输入：样本串P[0..m-1],m为样本长度。 输出：数组Next[0..m-1],即Next函数值。void KmpNext(char P[],int m,int&Next[]){ int i,j; Next[0]=-1; f
2017-05-15 22:42:02
279
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人