null的专栏-腾讯云开发者社区

开发者社区

文档建议反馈控制台

腾讯云架构师技术同盟

文章/答案/技术大牛

发布

null的专栏

专栏成员

398

文章

642534

阅读量

71

订阅数

每日一道leetcode：6. N 字形变换

leetcode 遍历

1. 题目（中等）题目链接 2. 分析与解答思路：矩阵模拟。分为两步：向下遍历向右上遍历 class Solution { public: string convert(string s, int numRows) { // 模拟 int n = s.length(); if (numRows == 1 || numRows >= n) { return s; } vecto

2023-04-06

1810

每日一道leetcode：4. 寻找两个正序数组的中位数

leetcode 数据数组算法

给定两个大小分别为m和n的正序（从小到大）数组nums1和nums2。请你找出并返回这两个正序数组的中位数。

2023-04-06

2230

每日一道leetcode：8. 字符串转换整数 (atoi)

c++string 函数算法字符串

请你来实现一个 myAtoi(string s) 函数，使其能将字符串转换成一个 32 位有符号整数（类似 C/C++ 中的 atoi 函数）。

2023-04-06

3990

淘宝搜索的向量召回算法MGDSPR

模型数学搜索算法索引

前面已经介绍了多个搜索召回中的向量召回算法，如Facebook的EBR，Que2Search，京东的DPSR。对于搜索系统来说，召回通常是由倒排召回构成，倒排召回的简单原理如下图所示：

2023-04-02

9540

Facebook的多任务多模态向量召回模型Que2Search

facebook 编码函数模型索引

对于一个搜索系统来说，通常采用的召回都是基于倒排索引的召回，简单来说就是需要对item侧建立倒排索引，在检索的过程中，对query分词，根据分词结果去倒排索引中查找词匹配的item，简单的流程如下图所示：

2023-04-01

1.4K0

京东个性化向量召回算法DPSR

模型设计算法索引系统

对于一个搜索系统来说，通常采用的召回都是基于倒排索引的召回，简单来说就是需要对item侧建立倒排索引，在检索的过程中，对query分词，根据分词结果去倒排索引中查找词匹配的item，简单的流程如下图所示：

2023-04-01

9590

百度双塔召回引擎MOBIUS

百度模型排序数据系统

对于一个搜索或者推荐系统来说，分阶段的设计都是当下的一个标配，主要是为了平衡效率和效果，在百度的广告系统中，也是分成了如下的三层结构：

2023-04-01

8100

每日一道leetcode：11. 盛最多水的容器

容器编程算法

给定一个长度为 n 的整数数组 height 。有 n 条垂线，第 i 条线的两个端点是 (i, 0) 和 (i, height[i]) 。

2023-03-13

2450

每日一道leetcode：7. 整数反转

如果反转后整数超过 32 位的有符号整数的范围 [−231, 231 − 1] ，就返回 0。

2023-03-13

1910

每日一道leetcode：9. 回文数

给你一个整数x，如果x是一个回文整数，返回 true ；否则，返回 false 。

2023-03-13

3890

每日一道leetcode：5. 最长回文子串

换言之，对于中心轴两边的值是相等的，考察的知识点是中心扩散法，沿着中心轴向两端扩散，这也是回文串的主要判断方法，即头尾两个指针向两端移动，并判断两个指针处的值是否相等。

2023-03-13

2500

每日一道leetcode：3. 无重复字符的最长子串

考察的知识点是滑动窗口。对于滑动窗口的维护需要两个指针，一个左指针和一个右指针，用于指示当前的滑动窗口的大小，如下图所示：

2023-03-13

2320

每日一道leetcode：2. 两数相加

编程算法存储

给你两个非空的链表，表示两个非负的整数。它们每位数字都是按照逆序的方式存储的，并且每个节点只能存储一位数字。

2023-03-13

3850

每日一道leetcode：1. 两数之和

编程算法存储

给定一个整数数组 nums 和一个整数目标值 target，请你在该数组中找出和为目标值 target 的那两个整数，并返回它们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出现。你可以按任意顺序返回答案。

2023-03-13

2230

Vision Transformer（ViT）

Transformer[1]是Google在2017年提出的一种Seq2Seq结构的语言模型，在Transformer中首次使用Self-Atttention机制完全代替了基于RNN的模型结构，使得模型可以并行化训练，同时解决了在基于RNN模型中出现了长距离依赖问题，因为在Self-Attention中能够对全局的信息建模。

2023-03-13

8530

Vision Transformer（ViT）

Transformer[1]是Google在2017年提出的一种Seq2Seq结构的语言模型，在Transformer中首次使用Self-Atttention机制完全代替了基于RNN的模型结构，使得模型可以并行化训练，同时解决了在基于RNN模型中出现了长距离依赖问题，因为在Self-Attention中能够对全局的信息建模。

2023-02-26

1.3K0

多目标建模总结

model network shared task vr

在推荐系统中，通常有多个业务目标需要同时优化，常见的指标包括点击率CTR、转化率CVR、 GMV、浏览深度和品类丰富度等。为了能平衡最终的多个目标，需要对多个目标建模，多目标建模的常用方法主要可以分为：

2023-02-02

1K0

注意力FM模型AFM

embedding layer

在CTR预估任务中，对模型特征的探索是一个重要的分支方向，尤其是特征的交叉，从早起的线性模型Logistic Regression开始，研究者在其中加入了人工的交叉特征，对最终的预估效果起到了正向的效果，但是人工的方式毕竟需要大量的人力，能否自动挖掘出特征的交叉成了研究的重要方向，随着Factorization Machines[1]的提出，模型能够自动处理二阶的特征交叉，极大减轻了人工交叉的工作量。

2023-02-02

5300

多目标建模算法PLE

network shared task

在现如今的推荐系统或者搜索中，都存在多个目标，多目标的算法在现如今的系统中已然成为了标配。在多目标的建模过程中，如果不同的学习任务之间较为相关时，多个任务之间可以共享一部分的信息，这样最终能够提升整体的模型学习效果。但是如果多个任务之间的相关性并不强，或者说多个任务之间存在某种冲突，这样通过部分的共享就会起到事与愿违的效果，这便是通常所说的在多任务建模中出现的负迁移（negative transfer）现象，即在相关性不强或者无相关性的多任务环境下进行信息共享，最终影响整体的网络效果，MMoE[1]便是在这样的情况下被提出。在MMoE中，通过共享多个专家（expert）实现信息的共享，同时针对每一个上层任务（task）都有对应的门控函数（gate），学习到多个专家对于特定任务的贡献程度，即专家的分布。以此，实现了对任务之间的关联和区别的学习。

2023-02-01

1.5K0

用户多兴趣建模MIND

神经网络聚类算法

在工业界，一个完整的推荐系统中通常包括两个阶段，分别为召回阶段和排序阶段。在召回阶段，根据用户的兴趣从海量的商品中去检索出用户（User）可能感兴趣的候选商品（ Item），满足推荐相关性和多样性需求。在排序阶段，根据不同的目标，如CTR，CVR，时长等对候选出的商品进行打分。目前，对于用户兴趣的建模，通常是从用户的历史行为中挖掘出用户兴趣，以当前的深度学习模型为例，通常是将User的历史行为数据embedding到一个固定长度的向量中，以此表示该用户的兴趣。然而在实际环境中，一个用户的兴趣通常是多样的，使用单一固定长度的embedding向量难以刻画用户兴趣的多样性。Multi-Interest Network with Dynamic routing[1]（MIND）用户多兴趣建模网络取代了原先的单一固定长度embedding向量，取而代之的是用户的多兴趣向量。在MIND中，主要的创新点在于：

2023-01-31

6040

点击加载更多

社区活动

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·干货材料·成员作品最新动态