Leetcode 300题我学到了什么?

从一个算法小白,以C++作为自己的入门语言,回首起来,从刚开始一道题琢磨两天到现在稳步一天4题左右,实打实的感觉自己有所提高,但是感觉在面试的时候还是有些慌…… 不过现在虽然Python很火热,但是我实在不太喜欢用Python来编程,因为每次在看到题解的时候,有些 去看看~

LINE: Large-scale Information Network Embedding

Abstract 本文的创新点在于现有的网络嵌入方法无法拓展到包含数百万节点的世界中。本文提出的方法适用于任意类型信息的网络:无向、有向、加权。该方法既能够保留本地网络结构同时保存全局网络结构。提出了一种边采样方法解决梯度下降法的局限性。本文作者称该方法能够在几个小时内学习具有数百万个顶点和 去看看~

再拿国奖的感受

很幸运,时隔一年,又一次拿到国奖。心里固然是很开心的。因为那是对过去一年的付出是一种肯定。 但是坦率地说,对我而言,国奖的这份荣誉要比2万块人民币要重要的多,知道自己拿到了国奖,第一时间就把简历更新了(屌丝心态暴露无遗,周围都是优秀的小伙伴,是在没有料到最后拿奖的人是 去看看~

华为19秋招算法笔试

我的想法也不够成熟,如有谬误,欢迎在评论指正,谢谢~! 第一题 数轴X上有两个点的序列A={A1,A2,...,Am}和B={B1,B2,...,Bn},A_i和B_i均为正整数,A、B已经从小到大排序,A、B一定不为空,给定一个距离R,列出同时满足如下条件的所有(Ai, Bj)数对: 1. A_i <= B_j 2. A_i 去看看~

Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba(KDD 2018)

Abstract 本文的贡献是在传统的word2vec基础上,为了减轻数据系数和冷启动问题,将辅助信息和合并到图embedding框架中。为了将辅助信息合并到图embedding中,本文提出了两种方法,离线的实验结果表明包含了辅助信息的方法要由于不包含辅助信息的方法。在淘宝的A/B测试 去看看~

复旦暑期学校有感

学术视野的差距 前两天去了一趟复旦,能感受到好学校和坏学校的在学术视野上面有很大的差距。发现问题比解决问题重要得多,在能力方面的差距可以弥补,但是在学术视野方面如果能够有有格局 视野的导师给你指点是最好不过的,但是TOP 1%的导师都在好学校,更重要的是这波人相互关 去看看~

六月份的思考和总结(Leetcode 224)

每次开始之前,我总是要问问我自己,这周你学会了什么? 这周我主要在完成作业,搭建了Hadoop全家桶完成Hbase读写,利用Mahout做数据分析。除此之外,刷题也刷了20多道题,现在我对尾递归等细节方面有了更加深刻的理解。 我发现我现在有一个比较严重的问题,那就是“想 去看看~

Pytorch 分类loss总结

在分类问题中,Pytorch提供了多种函数,那么哪种函数是使用softmax;哪些函数不用使用softmax就可以直接套loss;又有哪些函数使用logsoftmax?这里面有一些细节需要我来研究,我找到了pytorch在github上面的这部分代码,以此文记录一下我的学习历程。 分类问题有两种思路: 第一种需要对标签进行处理 NLL 去看看~

Interpreting User Inaction in Recommender System(Recsys 2018)

Abstract 用户与推荐系统的交互有三个方面:浏览,产生点击行为,不作为.在这项工作中,我们在推荐系统中布置了一项调查,根据人类心理上决策理论,中用户和推荐系统的角度解释用户不作为的意义.本文进一步推断用户不作为的原因,并使用离线数据集进行验证,实验表明这种模型能够为推荐系统在用户行为 去看看~