展开

关键词

The Quora Topic Network(下)

在将来,当Quora更大时,由于当前缺少的主题(如羚羊解剖)的存在,羚羊主题将获得更高的indegree,但是在适当策划的主题层级中,其indegree将总是保持低于例如动物。 This is the first hint of the topic hierarchy that has beenbuilt by the Quora community. 在这样做时,我们将发现更多的层次结构的证据,最终在Quora的顶级活动“中心”的可视化。 鉴于Quora多元化进入新的知识领域,对这一骨干网的需求尤其迫切。然而,正如我们已经看到的,一个庞大的,可扩展的主题层次结构自然地从Quora社区的标签中出现,相关和详细的主题信息。

19110

Machine learning at Quora(下)

例如,流行的Quora电子邮件摘要包括已选择并为您推荐的故事集合。 这是一个不同的learning-to-rank模型,针对不同的目标函数进行了优化。 这是Quora的一个问题,因为我们要确保来自回答特定问题的用户的所有力量都是共享的,并且集中在正确的地方。 将具有问题并希望将其添加到站点的用户指向预先存在的答案也很重要。 在Quora,我们使用ML技术来推断用户专业知识。为了训练这些模型,我们有几个重要的特征。 在Quora,我们有几个模型可以检测与内容质量相关的不同问题。 这些分类器的输出在大多数情况下不直接用于对内容做出决定,而是用作将这些问题/答案反馈到审核队列中的方式,然后手动审查。 Models Quora已经尝试了许多不同的模型来解决上述不同的用例。 有些时候,我们使用开源的实现,但是许多其他实现,我们最终用了更高效或灵活的内部版本。

35120
  • 广告
    关闭

    什么是世界上最好的编程语言?丨云托管征文活动

    代金券、腾讯视频VIP、QQ音乐VIP、QB、公仔等奖励等你来拿!

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    The Quora Topic Network(上)

    --想知道quora的网络是怎么连接的吗? By Don van der Drift Introduction 主题在Quora的知识生态系统中扮演着几个关键角色。 主题形成了Quora的知识语料库的重要组织骨干。 这个骨干将只会变得更加重要,因为语料库会继续增长。早期,Quora的硅谷根基允许它迅速成为关于创业和关于创业的问题的一个伟大的平台。 A schematicrepresentation of "following" relationships on Quora. Quora's Diversification 作为我们调查的第一步,我们想要获得Quora扩展到新的知识领域的定量意义。换句话说,目前有多少主题有着大量的内容,这个数字会如何随时间变化? 这些主题之间的关系不能仅仅通过查看这一个问题来推导,但我们有动机询问是否他们可以从Quora的整个问题语料库推断。换句话说,通过用主题标记问题,Quora社区是否有机地创建主题层次结构?

    30810

    Quora Insincere Questions Classification

    比赛介绍 Quora平台,简单的来说就是美国版的知乎。 最近Quora拿出25,000美元作为奖金,举办了一场Kaggle比赛:Quora Insincere Questions Classification。那么什么是虚假问题呢?

    34110

    Upvote Dynamics on the Quora Network(上)

    By Shankar Iyer Introduction 当一个答案被添加到Quora时,存在着将它分发给跟随作者的人的各种机制。 然而,通过用户网络跟踪upvote的传播为我们提供了一个有价值的观点,Quora如何作为一个产品,连接人们想要的知识。 换句话说,我们希望知识能够在Quora网络最远的地方为好奇的人们带来价值,并且理想情况下,我们希望这种情况尽可能高效地发生。 下面,我们将讨论关于如何在Quora网络中分发和发现答案的几个问题。在实践中,答案如何通过Quora网络传播?它从作者得到有多远,它多快到达那里?这些动态如何依赖于回答者及其上升者的特征? 数据团队注意到,在Quora社区中也有这些问题的兴趣(例如,一个upvote是如何在Quora上的主题和关注者之间传播的),所以我们决定探索我们的第二个(和过期的)博客文章。

    18110

    Upvote Dynamics on the Quora Network(下)

    Quora,随着时间的推移,人们识别回答者谁生产了高品质的内容,并跟随他们。每当这种情况发生时,从读者到作者的网络距离缩短,这是生态系统应该具有的行为标志。 这只是Quora生态系统的机体功能的又一个信号。 即使在小世界网络中,典型的路径长度随着网络的增长而上升;它只是很慢。 这可能有很多原因,从2013年初反馈如何运作到人们加入Quora那段时间的趋势。我们没有深入挖掘这一点,因为2013年的队列在一天后永久超过了2012年,因为2014年的队列表现相当出色。 特别是,我们已经了解了答案如何通过Quora用户网络。 这部分是由于Quora的整体增长;平均来说,只有就平均而言,有更多的用户途径导致几年前的答案更远离回答者。然而,这也可能部分是由于用于向潜在感兴趣的读者分发内容的机制的持续改进。

    13810

    Machine Learning at Quora(简要版)

    自从我一年前加入Quora,我一直在谈论在这里的所有的非常有趣的关于机器学习的挑战。然而,当我上周参加并在MLConf发言时,我很惊讶,许多和我谈过的人仍然没有听说我们在做什么。 在Quora我们在关心什么? Quora的使命是“分享和增长世界的知识”。 我们相信,有很多知识仍然在人们的头脑,我们想把它带到互联网中,然后提供一种方式,一种不仅有效率,而且有吸引力的方式。 使Quora独特的事情之一是我们关心三个正交维度:相关性,需求和质量。 ? 我们关心相关性,因为我们想确保每个人都能获得他们最感兴趣的知识。我们关心需求,因为我们想确保许多人的问题都能得到好答案。 数据 您可以将Quora视为知识库,有主题的兴趣网络和社交网络之间的混合。这创建了一个非常丰富的数据和数据之间关系的生态系统,我们可以在我们的机器学习方法中使用。 看看下面的图表。 ?

    23120

    Machine learning at Quora(详细版上)

    Quora,我们已经使用机器学习方法一段时间了。我们不断提出新的方法,并对现有方法进行大的改进。 我们实际上首先需要确定在Quora中“好”的答案的定义。想出这个定义的一个好方法是看看Quora认为“有用的答案”。您将阅读有关“真实”,“可重用”,“提供解释”或“格式良好”的答案。 一个这样非常重要的情况是Quora Feed。 Quora Feed基本上是任何登录用户在登录产品时将看到的主页。 另一方面,Quora在用户之间也有明确的连接。 您在“社交网络”上的操作也应影响排名。 最后,Quora的故事有时可能涉及正在进行的趋势事件。 正因为如此,在Quora创建这样的个性化排名有着许多不同的特征。

    18020

    LeCun Quora 问答读后:深度学习走向何方

    【新智元导读】前天深度学习代表人物Yann LeCun在Quora答题,新智元第一时间跟进,LeCun表示他最看好深度学习的对抗式网络,引发从业者王天树回忆起当年他做合成时的疑惑。 从昨天开始,深度学习的元老之一Yann LeCun,乐总在quora上hold了一个session。

    57980

    Quora千赞回答,python新手应该避免哪些坑

    i < max, count(start=0)): yield 2**index 更多关于生成器的内容,请见: 一文搞懂python迭代器和生成器 注:本文翻译自Tony Flury在Quora

    6610

    为什么Quora选择Python作为它的开发环境?

    自从Facebook的创始人Adam D'Angelo开始效力于这个大量使用了PHP的网站,我就一直在想他要用Python而不是PHP来创造Quora所遇到的技术挑战。 Adam D'Angelo,Quora创始人: 我们非常确定我们不会用PHP。Facebook因为历史遗留原因而使用PHP,并不是因为它是最好的选择。 Charlie Cheever,Quora的一个创建者 给Adam的答案补充几件事情: Python有一堆相当好的提供了良好的调试器和重载的框架(Django,Pylons和其他一些),这些大部分都被很好的支持并且也变得越来越好 这真是太好了,因为Quora中涉及到大量的客户端和服务端之间的不加载页面的交互。 Python代码往往可读性很强,因为我们希望能在网站上和一帮人工作,这变得非常重要。 英文原文: https://www.quora.com/Why-did-Quora-choose-Python-for-its-development 译者: cmsl *声明:推送内容及图片来源于网络

    21800

    Quora精彩问答】机器学习的十条金科玉律

    【新智元导读】曾在 Endeca, Google, LinkedIn 负责机器学习项目的 Daniel Tunkelang 在 Quora 上发表了给非专业人士看的关于机器学习的相关知识。 原文地址:https://www.forbes.com/sites/quora/2017/09/06/ten-things-everyone-should-know-about-machine-learning

    52480

    Quora 做机器学习「炼丹」是怎样的体验?

    AI 科技评论按:实际上,号称「美版知乎」的 Quora 也已经大量引入了机器学习技术,而 Quora 的工程师们则喜欢把自己研究机器学习、产出技术方案的过程戏称为「炼丹」,如今他们也想对外分享他们的经验和成果 日前,他们发出了该系列博客的第一篇——《使用 Alchemy 做特征工程》(「Feature Engineering at Quora with Alchemy」),作者为 Quora 的两位工程师 Kornél 现在,Quora 的重点便是通过问答来实现这些目标:读者在网站上寻找相关的内容,提问者寻找有用的答案,而我们就是从他们的提问中提取出正确问题的答复者。 随着 Quora 网站上机器学习工程师数量日益增多,用来支持产品中各类应用程序的独一无二的特征工程框架的数量也在增多。 via: https://engineering.quora.com/Feature-Engineering-at-Quora-with-Alchemy

    41020

    Quora译文:通俗解释“为什么数据库难以拓展”

    “如何通俗解释「为什么数据库难以拓展」”,这个问题来自Quora,题主还补充说自己有一些数据库的基本知识,但依然不理解为什么扩展数据库如此困难。伯乐在线编译摘编了这个问答贴的两个热门回复。

    30980

    Quora上的大牛们最喜欢哪种机器学习算法?

    大数据文摘投稿作品 来源:Quora 编译:群青 机器学习算法那么多,一个问题的解决往往可能有好多算法的选择。 这些算法有什么特点呢?特定的场景需要选择哪一算法呢? 我们为大家翻译了Quora上大牛们最喜欢的机器学习算法,一起欣赏。 Xavier Amatriain,前ML研究人员,目前在Quora带领工程师 ? 我喜欢简单而灵活的算法。如果一定要选一个,我最喜欢集成(Ensemble)算法,我个人认为它是“大师级别”。 相关报道: https://www.quora.com/What-is-your-favorite-machine-learning-algorithm-1?

    25020

    【干货】生成对抗式网络创始人Quora答疑

    【新智元导读】还记得不久前LeCun在Quora答题时说的,他最激动的深度学习进展是“生成对抗网络”吗? 生成对抗网络的提出者Ian Goodfellow日前也在Quora做了一期答疑,从他自己的深度学习路,到生成对抗网络的发展,以及他目前所在的OpenAI的运作,作为深度学习新一代技术主力,Goodfellow 原文链接:https://www.quora.com/session/Ian-Goodfellow/1 生成对抗网络发展 生成对抗网络是如何发展而来的?

    494120

    Quora上的大牛们最喜欢哪种机器学习算法?

    大数据文摘投稿作品 来源:Quora 编译:群青 机器学习算法那么多,一个问题的解决往往可能有好多算法的选择。 这些算法有什么特点呢?特定的场景需要选择哪一算法呢? 我们为大家翻译了Quora上大牛们最喜欢的机器学习算法,一起欣赏。 Xavier Amatriain,前ML研究人员,目前在Quora带领工程师 ? 我喜欢简单而灵活的算法。如果一定要选一个,我最喜欢集成(Ensemble)算法,我个人认为它是“大师级别”。

    19240

    Quora上的大牛们最喜欢哪种机器学习算法?

    大数据文摘出品 来源:Quora 编译:群青 机器学习算法那么多,一个问题的解决往往可能有好多算法的选择。 这些算法有什么特点呢?特定的场景需要选择哪一算法呢? 我们为大家翻译了Quora上大牛们最喜欢的机器学习算法,一起欣赏。 Xavier Amatriain,前ML研究人员,目前在Quora带领工程师 ? 我喜欢简单而灵活的算法。如果一定要选一个,我最喜欢集成(Ensemble)算法,我个人认为它是“大师级别”。 相关报道: https://www.quora.com/What-is-your-favorite-machine-learning-algorithm-1?

    49150

    Quora直播】LeCun:深度学习突破,对抗式网络最值得期待

    Quora上回答提问,有一万多人提问。LeCun在回答中阐述了深度学习在短期内值得期待的突破、人工智能未来5到10年的发展,以及他对深度学习自学者的建议。

    42330

    扫码关注腾讯云开发者

    领取腾讯云代金券