吱吱了了 - 博客园

9、Collaborative Metric Learning Recommendation System: Application to Theatrical Movie Releases------CML推荐系统（电影院放映的应用）

摘要：一、摘要：主要是做一个基于协作（深度）度量学习（CML）的系统来预测新剧场版本的购买概率。即测量产品的空间距离来预测购买概率。二、模型该图分为两部分，先计算右边，右边通过深度度量学习（DDML）来计算产品距离，将得到的产品距离输入左边逻辑回归中得到购买概率。 e（movie）是电影的词向量，f 阅读全文

posted @ 2018-10-20 20:48 吱吱了了阅读(781) 评论(0) 推荐(0)

8、Collaborative Metric Learning

摘要：一、摘要：文章的核心思想：是如何把Metric learning 和 CF结合起来从而达到更好的推荐效果。提出了CML（Collaborative Metric Learning），其学习一个联合度量空间，不仅编码用户的偏好，而且编码用户-用户和项目-项目的相似性。假设用户和物品可以放到低维空阅读全文

posted @ 2018-10-19 21:53 吱吱了了阅读(1345) 评论(0) 推荐(0)

二叉树（1）-----遍历

摘要：时间/空间复杂度分析时间复杂度均为O(n)；空间复杂度平均情况下为O(logn)，最坏情况下为O(n). Morris遍历：时间为O（n），空间为O（1）一、前序遍历：递归方式：非递归方式：时间复杂度O（n)，空间复杂度O（n）二、中序遍历：递归方式：非递归方式：三、后序遍历：递归阅读全文

posted @ 2018-10-18 12:37 吱吱了了阅读(292) 评论(0) 推荐(0)

Python笔记27----时间解析

摘要： 1、将时间字符串解析成真正的时间 time.strptime http://www.runoob.com/python/att-time-strptime.html 代码：阅读全文

posted @ 2018-10-17 15:18 吱吱了了阅读(350) 评论(0) 推荐(0)

链表问题（8）----合并

摘要：一、题目：合并两个有序的单链表思路：时间复杂度O（M+N），空间复杂度O（1）简单来说就是在原来的链表上采用三个指针来操作两个链表。若是合并两个无序链表成有序链表，先将两个链表用冒泡或快排等方法排序，再合并。代码：二、题目：按照左右半区的方式重新组合单链表思路：时间复杂度O（N），空间复阅读全文

posted @ 2018-10-14 11:21 吱吱了了阅读(558) 评论(0) 推荐(0)

（5）pyspark----共享变量

摘要：如果想在节点之间共享一份变量，spark提供了两种特定的共享变量，来完成节点之间的变量共享。（1）广播变量（2）累加器二、广播变量概念：广播变量允许程序员缓存一个只读的变量在每台机器上，而不是每个任务保存一个拷贝。例如，利用广播变量，我们能够以一种更有效率的方式将一个大数据量输入集合的副本分阅读全文

posted @ 2018-10-12 14:14 吱吱了了阅读(5083) 评论(0) 推荐(0)

（4）pyspark---dataframe清理

摘要： 1、交叉表（crosstab)： pandas中也有，常和pivot_table比较。查看家庭ID与评分的交叉表： 2、处理缺失值：fillna withColumn：新增一列数据 cast : 用于将某种数据类型的表达式显式转换为另一种数据类型将缺失值删除：dropna 3、处理重复值查看有阅读全文

posted @ 2018-10-11 13:46 吱吱了了阅读(1885) 评论(0) 推荐(0)

（3）pyspark----dataframe和sql

摘要： 1、读取： sparkDF = spark.read.csv(path) sparkDF = spark.read.text(path) 2、打印： sparkDF.show()【这是pandas中没有的】：打印内容 sparkDF.head()：打印前面的内容 sparkDF.describe() 阅读全文

posted @ 2018-10-11 12:48 吱吱了了阅读(1727) 评论(0) 推荐(0)

8、Situation-Dependent Combination of Long-Term and Session-Based Preferences in Group Recommendations: An Experimental Analysis ----组推荐中基于长期和会话偏好的情景依赖组合

摘要：一、摘要：背景：会话组推荐系统的一个主要挑战是如何适当地利用群组成员之间的交互引起用户偏好，这可能会偏离用户的长期偏好。长期偏好和群组诱导的偏好之间的相对重要性应该根据具体的群组设置而变化。本文：通过实验，结论：当群组讨论对群组成员的喜好没有影响时，长期偏好占有更大权重。而当群组上下文促使成员有阅读全文

posted @ 2018-10-10 22:20 吱吱了了阅读(346) 评论(0) 推荐(0)

（2）RDD的基本操作

摘要：一、map操作，map(Transform) 二、collect操作,collect(Action) 三、使用PairRDD来做计算，类似key-value结构采用groupByKey来。将资料按照Key值重新排序。更好的解决方案：reduceByKey（Transform） reduceByK 阅读全文

posted @ 2018-10-10 14:32 吱吱了了阅读(389) 评论(0) 推荐(0)