recommendation heterogeneous preference learning
Attention Mixtures for Time-Aware Sequential Recommendation
目录概符号说明MOJITO代码 Tran V., Salha-Galvan G., Sguerra B. and Hennequin R. Attention mixtures for time-aware sequential recommendation. SIGIR, 2023. 概 本文希望 ......
论文解读（FixMatch）《FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence论文作者：论文来源：2020 aRxiv论文地址： ......
Learn Git in 30 days——第 18 天：修正 commit 过的版本历史记录 Part 1
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 当你使用 Git 进行版本控制时，我们会利用 git commit 建立许多版本，由于 Git 属分布式版本控制 ......
Learn Git in 30 days——第 17 天：关于合并的基本观念与使用方式
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 我曾在【第 08 天：关于分支的基本观念与使用方式】提过关于「分支」的基本观念与用法，现在则要来讲「合并」如何进 ......
2021-2022 ICPC, NERC, Northern Eurasia Onsite (Unrated, Online Mirror, ICPC Rules, Teams Preferred) D. Deletive Editing
给一个大写字符串 \(S_{txt}\) ，每次操作可以删除一个字符 \(C\) ，且只能删除 \(S_{txt}\) 中的第一个字符 \(C\) 。给一个字符串 \(S_{pat}\) ，询问 \(S_{pat}\) 能否由 \(S_{txt}\) 经过若干次字符删除后得到。 逆向：“删除第一个字 ......
Learning Continuous Image Representation with Local Implicit Image Function
Learning Continuous Image Representation with Local Implicit Image Function（阅读笔记）11.03 局部隐式图像函数（LIIF）表示连续中的图像，可以以任意高分辨率表示。 摘要：如何表示图像？当视觉世界以连续的方式呈现时，机器 ......
Unsupervised Degradation Representation Learning f
Unsupervised Degradation Representation Learning for Blind Super-Resolution文献阅读 (2022.09.28)盲超分辨率的退化表征（向量）学习 摘要：大多数基于CNN的SR都是基于退化固定且可知这一假设。但是实际退化和假设不一 ......
Learn Git in 30 days——第 16 天：善用版本日志 git reflog 追踪变更轨迹
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 其实学习 Git 版本控制的指令操作并不难，但要弄清楚 Git 到底对我的仓库做了什么事，还真不太容易。当你一步 ......
Learn Git in 30 days——第 15 天：标签 - 标记版本控制过程中的重要事件
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 在使用 Git 版本控制的过程中，会产生大量的版本，随着寒暑易节、物换星移，在这众多的版本之中，一定会有一些值得 ......
hugepages_settings.sh-Shell Script to Calculate Values Recommended Linux HugePages-HugeTLB Configuration_DocID401749.1
Oracle Linux-Shell Script to Calculate Values Recommended Linux HugePages-HugeTLB Configuration_DocID401749.1 ######################################## ......
SpringBoot-Learning系列之Kafka整合
SpringBoot-Learning系列之Kafka整合 本系列是一个独立的SpringBoot学习系列，本着 What Why How 的思想去整合Java开发领域各种组件。 消息系统 主要应用场景 流量消峰(秒杀 抢购)、应用解耦（核心业务与非核心业务之间的解耦） 异步处理、顺序处理 实时数据 ......
COMPFEST 15 - Preliminary Online Mirror (Unrated, ICPC Rules, Teams Preferred)
Preface 这场比赛本来想着周日晚上带着队友打一下的，但当天下午已经VP练了一场了晚上就休息了 后面有时间大概花了5~6天的空闲时间才陆陆续续把这场补了，感觉题目还是不错的 A. Ambitious Kid 签到题，找一个数把它变成\(0\)即可 #include<cstdio> #includ ......
Graph Construction and b-Matching for Semi-Supervised Learning
目录概符号说明图的构建Graph Sparsification\(\epsilon\)-neighborhood graph\(k\)NN graph\(b\)-MatchingGraph Edge Re-Weighting Jebara T., Wang J. and Chang S. Graph ......
PSR是什么？PHP Standards Recommendations
PHP Standards Recommendations 官网：https://www.php-fig.org/psr/ PSR 是 PHP Standard Recommendations 的简写，由 PHP FIG 组织制定的 PHP 规范，是 PHP 开发的实践标准。 PHP FIG,FIG ......
论文解读（LR2E）《Learning to Reweight Examples for Robust Deep Learning》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Learning to Reweight Examples for Robust Deep Learning论文作者：Mengye Ren、Wenyuan Zeng、Bin Yang、Raquel Urta ......
Proj CDeepFuzz Paper Reading: Metamorphic Testing of Deep Learning Compilers
## Abstract 背景：Compiling DNN models into high-efficiency executables is not easy: the compilation procedure often involves converting high-level model ......
Machine learning note(1)
注：本笔记不给出完整解释 ## 正规方程 设$z=\theta^{T}x$ 设损失函数为$J(\theta)$，求令$\frac{\partial J}{\partial \theta}=0$的$\theta$ 由此得出最优的$\theta$ ## 牛顿迭代 回顾一下梯度下降：$\theta'=\t ......
Recommendation as Instruction Following: A Large Language Model Empowered Recommendation Approach
原文地址：https://arxiv.org/abs/2305.07001 本文作者将用户偏好、意图等构建为指令，并用这些指令调优一个LLM（3B Flan-T5-XL），该方法对用户友好，用户可以与系统交流获取更准确的推荐。 ## INTRODUCTION LLM是建立在自然语言文本上的，它不能直 ......
How Expressive are Graph Neural Networks in Recommendation
[TOC] > [Cai X., Xia L., Ren X. and Huang C. How expressive are graph neural networks in recommendation? CIKM, 2023.](http://arxiv.org/abs/2308.11127) ......
Learn Git in 30 days——第 14 天： Git for Windows 选项设定
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 使用 Git for Windows 指令列工具绝对比通过 GUI 工具操作来的有效率，原因就在于你可以把许多重 ......
Proj CDeepFuzz Paper Reading: A Comprehensive Study of Deep Learning Compiler Bugs
## Abstract 背景：深度学习编译器处理的深度学习模型与命令式程序有根本的不同，因为深度学习模型中的程序逻辑是隐式的。（the DL models processed by DL compilers differ fundamentally from imperative programs ......
Proj CDeepFuzz Paper Reading: DeepMutation: Mutation Testing of Deep Learning Systems
## Abstract 本文：DeepMutation Github: https://github.com/berkuva/mutation-testing-for-DNNs Task: mutation testing framework specialized for DL systems t ......
Proj CDeepFuzz Paper Reading: TensorFlow: a system for Large-Scale machine learning
## Abstract 本文:Tensorflow Github: https://github.com/tensorflow/tensorflow Task: Detail on Tensorflow dataflow model 特点: 1. operates at large scale an ......
Proj CDeepFuzz Paper Reading: PyTorch: an imperative style, high-performance deep learning library
## Abstract 本文： PyTorch Task: detail the implementation and architecture of PyTorch Github: https://github.com/pytorch/pytorch 特点： 1. PyTorch同时关注可用性和速 ......
Learn Git in 30 days——第 13 天：暂存工作目录与索引的变更状态
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 有没有遇过这种情境，某个系统开发写到一半，结果被老板或客戶「插单」，被要求紧急修正一个现有系统的 Bug 或添加 ......
Proj CDeepFuzz Paper Reading: PELICAN: Exploiting Backdoors of Naturally Trained Deep Learning Models In Binary Code Analysis
## Abstract 背景： 1. 本文研究的不是被恶意植入的后门，而是products of defects in training 2. 攻击模式: injecting some small fixed input pattern(backdoor) to induce misclassifi ......
Time Matters Sequential Recommendation with Complex Temporal Information
[TOC] > [Ye W., Wang S., Chen X., Wang X., Qin Z. and Yin D. Time Matters: Sequential recommendation with complex temporal information. SIGIR, 2020.]( ......
通过提示大语言模型进行个性化推荐LLM-Rec: Personalized Recommendation via Prompting Large Language Models
论文原文地址：https://arxiv.org/abs/2307.15780 本文提出了一种提示LLM并使用其生成的内容增强推荐系统的输入的方法，提高了个性化推荐的效果。 ## LLM-Rec Prompting  can cover at most 34.1% layer inputs, 25.9% layer parameter values, and 15.6% layer sequences. 本文：COMET Gi ......