本文转载自 SigAI 公众号 与随机森林一样，Boosting 算法也是一种集成学习算法，随机森林和集成学习在 SIGAI 之前的公众号文章“随机森林概述”中已经介绍。Boosting 的分类器由多个弱分类器组成，预测时用每个弱分类器分别进行预测，然后投票得到结果；训练时依次训练每个弱分类器，每个 ....

分享嘉宾：汪昆 阿里巴巴 编辑整理：Hoh Xil 内容来源：大鱼技术沙龙 出品社区：DataFun 导读： 本次分享的题目是 UC 国际信息流推荐中的多语言内容理解，讲一下我们在国际信流推荐场景下的多语言内容理解方面的一些工作和思考，主要分为： 多语言内容理解的需求和挑战 多语言内容结构化信号建设 ....

[图片] 文章作者：赵喜生 机器学习平台架构师 导读：用户数据大规模积累、用户体验需求升级、算力革新和计算模型的演进，这三大核心要素及其相互作用成为现在和未来基于网络互联用户活动的主要组成部分。机器学习平台作为使数据、计算和用户体验三者相互作用的关键基础设施发挥着作用。 ** 数据** 用户在 AP ....

精选 5 篇来自 EMNLP 2018、CIKM 2018、NAACL 2018 和 IJCAI 2018 的知识图谱相关工作，带你快速了解知识图谱领域最新研究进展。 本期内容选编自微信公众号「开放知识图谱」。 EMNLP 2018 [图片] [图片] ■ 论文解读 | 刘兵，东南大学博士，研究方向 ....

时间：2020 年 07 月 23 日 美团点评技术团队 作者： 丽红，星池，燕华，马璐，廖群，志安，刘亮，李超，云森，永超等 1. 背景 命名实体识别（Named Entity Recognition，简称 NER），又称作“专名识别”，是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名 ....

ACM 国际信息检索研究与发展会议 SIGIR 2018 近日于美国密歇根州 Ann Arbor 举行。昨日，大会公布了最佳论文等奖项，来自马德里自治大学（Universidad Aut ónoma de Madrid）的学者 Rocio Ca ñamares 和 Pablo Castells 的论 ....

[图片] 文章作者：harryzhong 腾讯 研究员 内容来源：腾讯技术工程 一、看一看介绍 1.1 看一看的场景 微信作为国内最大用户群体的应用，在人们的生活，工作，学习中提供社交功能的同时，还提供了工具，游戏，购物，支付，内容，搜索，小程序等服务。看一看作为微信的重要组成部分，在原有公众平台资 ....

[图片] 分享嘉宾：申恩兆、李志然 新浪微博 编辑整理：赵文娇、Hoh 出品平台：DataFunTalk 导读： 微博作为全球领先的中文广场社交平台，拥有海量用户与数据。在从海量数据中挖掘有价值的信息，为业务赋能的过程中，微博的推荐算法经历了数次升级换代，积累了许多经验。今天跟大家分享下，在此过程中 ....

作者：amitness 编译：ronghuaiyang 导读: 有点像词向量预训练模型，这个框架可以作为很多视觉相关的任务的预训练模型，可以在少量标注样本的情况下，拿到比较好的结果。 The Illustrated SimCLR Framework Published March 04, 2020 ....

[图片] 分享嘉宾：刘志强奇虎 360 推荐算法架构师 编辑整理：周峰 内容来源：DataFun AI Talk《机器学习与推荐系统实践》 出品社区：DataFun 注：欢迎转载，转载请注明出处。 1. 摘要 本次分享内容为机器学习在推荐系统的应用。主要介绍推荐系统实践中遇到基本问题，以及基于机器学 ....

nevinzhang 微信 AI 导读：在微信 AI 背后，技术究竟如何让一切发生？关注微信 AI 公众号，我们将为你一一道来。今天我们将放送**微信 AI 技术专题系列“微信看一看背后的技术架构详解”**的第二篇——《微信看一看内容召回》。 第一篇：微信「看一看」 推荐排序技术揭秘 看一看介绍 相 ....

[图片] 分享嘉宾：李渔 熵简科技 联合创始人 编辑整理：Hoh 内容来源：DataFunTalk 导读： 在数字化浪潮的大背景下，金融资管行业的先行者正在积极探索将人工智能、大数据等先进技术用于构建面向未来的智能化投资研究平台。本文将从金融资管领域对于数据智能的需求入手，详细介绍自然语言处理技术在 ....

《Large scale GANtraining for high fidelity natural image synthesis》这篇文章对训练大规模生成对抗网络进行了实验和理论分析，通过使用之前提出的一些技巧，如数据截断、正交正则化等，保证了大型生成对抗网络训练过程的稳定性。本文训练出的模型在 ....

微软亚洲研究院 2018 年 11 月 29 日 [图片] “猜你喜欢”、“购买过此商品的用户还购买过……”对于离不开社交平台、电商、新闻阅读、生活服务的现代互联网用户来说，个性化推荐已经不是什么新鲜事儿。 随着信息技术和互联网行业的发展，信息过载成了人们处理信息的挑战。对于用户而言，如何在以指数增 ....

作者：CreateMoMo 编译：ronghuaiyang 前几篇文章： BiLSTM 上的 CRF，用命名实体识别任务来解释 CRF（1） BiLSTM 上的 CRF，用命名实体识别任务来解释 CRF（2）损失函数 https://www.6aiq.com/article/158557085420 ....

摘要：这篇文章主要讲述了机器学习的相关内容，阐述了机器学习的主要意义和形成过程。区别了机器学习与 AI、深度学习、神经网络等专业词汇。 [图片] 大多数人可能对机器学习有点恐惧或困惑。 脑子中会有它到底是什么，它有什么发展方向，我现在可以通过它挣钱吗等等这样的问题。 这些问题的提出都是有依据的。事实 ....

作者：CreateMoMo 编译：ronghuaiyang 导读 今天是第三部分，介绍如何推理新的句子。 前两篇链接： https://www.6aiq.com/article/1585116912485 https://www.6aiq.com/article/1585415235824 2.6 ....

作者丨尹相楠 学校丨里昂中央理工博士在读 研究方向丨人脸识别、对抗生成网络 本文主要介绍谱归一化这项技术，详细论文参考 Spectral Normalization for Generative Adversarial Networks。 [图片] 本文主要对论文中的基础知识和遗漏的细节做出补充，以 ....

作者：CreateMoMo 编译：ronghuaiyang 导读 看了许多的 CRF 的介绍和讲解，这个感觉是最清楚的，结合实际的应用场景，让你了解 CRF 的用处和用法。 该系列文章将包括： 介绍 — 在 BiLSTM 顶层上使用 CRF 层用于命名实体识别任务的总体思想 详细的例子 — 一个例子 ....