19 天前 / OPPO互联网技术
文本相似度计算作为 NLP 的热点研究方向之一，在搜索推荐、智能客服、闲聊等领域得到的广泛的应用。在不同的应用领域，也存在着一定的差异，例如在搜索领域大多是计算 query 与 document 的相似度；而在智能客服、聊天领域更注重的是 query 与 query 之间的匹配，即短文本之间的相似度计算。 不同的文本长度，相似度的计算方案也存在差异，长文本匹配更多注重文本的关键词或者主题的匹配，业界使用的较多的算法如：TF-IDF、LSA、LDA；而短文本匹配更多的是句子整体的语义一致性，业界较为主流的算法有：word2vec、esim、abcnn、bert 等深度模型。
33 天前 / 我爱计算机视觉
今天分享一篇人体姿态估计综述。 来自北卡夏洛特， 戴顿大学， 德州大学达拉斯分校，中佛罗里达大学的研究人员对该领域的研究发展进行了综述。基于输入数据和推理程序的系统分析和比较，作者对基于深度学习的 2D 和 3D 姿态估计解决方案进行全面回顾，其中涵盖了自 2014 年以来 240 余篇相关研究论文。同时还提供了定期更新的 github 项目。 论文链接：https://arxiv.org/pdf/2012.13392.pdf 项目链接：https://github.com/zczcwh/DL-HPE 01 摘要 人体姿势估计的研究目标是根据图像和视频等输入数据来定位人体部位并建立人体表现形式（例如人体骨骼）。
49 天前 / 我爱计算机视觉
作者 |叶茫 武汉大学 编辑 | CV 君 报道 |我爱计算机视觉（微信 id：aicvml） 摘要：行人重识别（Person Re-Identification，简称 Re-ID），是一种利用计算机视觉技术来检索图像或者视频序列中是否存在特定行人的 AI 技术，在智慧城市等监控场景中具有重要的应用意义和前景。本文介绍我们最新的 IEEE TPAMI 综述论文 《Deep Learning for Person Re-identification: A Survey and Outlook》，该文作者来自武汉大学、起源人工智能研究院（IIAI）、北理工、英国萨里大学、Salesforce 亚洲研究院。
51 天前 / 赵喧典
写文章【Papernotes】Improving DL for Airbnb Search 赵喧典微信公众号：机心狗 2 人赞同了该文章论文地址： ACM、arXiv 1. 写在前面许多观众和影评人会对某个导演的电影情有独钟，即使他们曾经拍过烂片，观众待他们依然如初恋，比如拍出了《阳光灿烂的日子》的姜文。 对于 Airbnb 的论文，我也抱有同样的感情。何况从 KDD'18 的最佳论文，到这两年他们将深度学习应用于搜索实践的两篇论文，篇篇佳作，字字珠玑。 本文是 Airbnb 发表于 KDD'20 的论文，是前一篇《Applying Deep Learning to Airbnb Search》的续作...
55 天前 / Howie6879
系列文章： 《Neural Networks and Deep Learning》读书笔记系列：1.识别手写字反向传播算法如何工作 NNDL: 改进神经络的学习法神经络可以计算任何函数的可视化证明 上一章提到了神经网络的一种普遍性，比如说不管目标函数是怎样的，神经网络总是能够对任何可能的输入得到一个近似的输出。 “普遍性告诉我们神经络能计算任何函数；而实际经验依据提深度络最能适于学习能够解决许多现实世界问题的函数 ”而且理论上我们只要一个隐藏层就可以计算任何函数，第一章我们就用如下的网络结构完成了一个手写字识别的模型： shadow-image-20201119214307565 这时候...
106 天前 / Cyberdog
隐写术是一种将保密信息隐藏在公开信息中的技术，利用图像文件的特性，我们可以把一些想要刻意隐藏的信息或者证明身份、版权的信息隐藏在图像文件中。比如早期流行的将一些下载链接、种子文件隐藏在图片文件中进行传播，再比如某互联网公司内部论坛“月饼事件”中通过员工截图精准定位个人信息的技术，都可以归为图像隐写技术（Image Steganography）。本文主要介绍一些常见的图像隐写技术及 Python 实现方法。 元数据修改图像是由像素组成的，但图像文件除了保存像素信息之外，还需要存储一些额外的描述信息。
121 天前 / mr7
桔妹导读：机器翻译系统是使用深度学习技术从其支持的语言中翻译大量文本的服务。服务将 "源" 文本从一种语言转换为不同的 "目标" 语言。滴滴作为一家国际化的公司，无论是在国际化网约车中还是司乘沟通都有着丰富的落地场景。本文详细的介绍了滴滴翻译的整体框架、原理以及方法，同时还会简单介绍滴滴 NLP 在今年参加的机器翻译大赛（WMT2020）的一些技术。 1.背景机器翻译系统是使用深度学习技术从其支持的语言中翻译大量文本的服务。服务将 "源" 文本从一种语言转换为不同的 "目标" 语言。
126 天前 / 开发者头条
大家好，我是周刊菌。 「码农周刊 VIP 会员」推出 27 周啦！感谢亲们的大力支持！第 027 期「码农周刊 VIP 会员专属邮件周报」已发送完毕，请注意查收。 告诉大家一个好消息：已有数位上市公司 CTO 低调订阅了我们的「码农周刊 VIP 会员专属邮件周报」，感谢肯定！ 以下内容选自「码农周刊 VIP 会员」圈子，每日更新，精彩不断。 「码农周刊 VIP 会员」是什么？ 简介版 码农周刊 VIP 会员 = 全年 52 期「VIP 会员专属邮件周报」 + 只限 VIP 会员加入的交流圈子 + 大厂「内推机会」 + N 多福利 详细版 点击「阅读原文」即可查看详细介绍 加入「码农周刊 VIP...
131 天前 / Thinkgamer
点击标题下「搜索与推荐 Wiki」可快速关注精彩推荐▼1、知识蒸馏与推荐系统概述 2、大数据时代的用户画像基础介绍和构建流程 3、推荐系统实用分析技巧 4、特征工程｜文本特征处理的四大类主流方法 5、最差的算法工程师也不过如此了“与一般推荐场景不同，搜索广告是一种具有严格限制性的推荐，本文在参考搜狗公司舒鹏在去年年初分享的一篇《深度学习新技术在搜狗搜索广告中的深化应用》的基础上作了一些补充，从自动化广告创意的业务场景切入，着重探究其背后的一些技术发展” 作者介绍：蔡嘉跃，现于腾讯微信任算法工程师...
132 天前 / 鑫鑫淼淼焱焱
这是我的第 5 篇笔记，总共 5000 字，阅读大约需要 15分钟 论文地址：https://arxiv.org/abs/1507.05717 开源代码：https://github.com/bgshih/crnn 1. 摘要 基于图片的序列识别是计算机视觉领域一个长期研究的课题，其中非常重要且有挑战性的就是场景文本识别问题。本文针对这个问题，提出了一个新的神经网络结构，即 CRNN，它将特征提取、序列模型化以及转录都集成到一个统一的框架中。
134 天前 / algorithmdog
在我博士毕业的 2016 年，我就关注到了一个比较小众的算法工程方向——深度学习和大数据系统的融合。具体来说，就是将深度学习放在大数据系统上（当时主要指 Spark），从而实现分布式深度学习。当时我觉得，这个方向会在未来工业应用中占有一席之地。 但是现在 2020 年来看，深度学习和大数据系统融合这个方向已经沉寂了。 一、红旗还能打多久？ 深度学习和大数据系统融合这个沉寂的辽原上，有一些零散的星火。 TensorFlow on Spark 2017 年 2 月 13 日，雅虎宣布开源 TensorFlowOnSpark (https://github.com/yahoo/TensorFlowOnSpark)。
138 天前 / 鑫鑫淼淼焱焱
总第 3 篇文章，本文共 6000 字，阅读大约需要 15 分钟 数学学习笔记的第二篇，上一篇 -- 线性代数 2. 概率论 2.1 概率分布与随机变量 2.1.1 机器学习为什么要使用概率事件的概率是衡量该事件发生的可能性的量度。虽然在一次随机试验中某个事件的发生是带有偶然性的，但那些可在相同条件下大量重复的随机试验却往往呈现出明显的数量规律。 机器学习通常必须处理不确定量，有时候也需要处理随机量。几乎所有的活动都需要一些在不确定性存在的情况下进行推理的能力。
165 天前 / 奶糖猫
↑"喵说Python"一个值得星标的公众号 本文约1600字，阅读大概需要5分钟 这篇文章用来整理一下入门深度学习过程中接触到的四种激活函数，下面会从公式、代码以及图像三个方面介绍这几种激活函数，首先来明确一下是哪四种： Sigmoid函数Tahn函数ReLu函数SoftMax函数激活函数的作用下面图像A是一个线性可分问题，也就是说对于两类点(蓝点和绿点)，你通过一条直线就可以实现完全分类。
181 天前 / figo
本文是我探索学术界和行业推荐系统的系列文章的一部分。 介绍 近年来，基于深度学习的推荐系统的研究出版物数量呈指数增长。特别是，领先的国际推荐系统会议 RecSys 自 2016 年以来就开始定期组织深度学习研讨会。例如，在 RECSYS 会议上，有一整类关于深度学习的论文，促进研究并鼓励此类方法的应用。本文主要讨论深度推荐模型的优势，劣势和应用场景，并对当前的进展进行了很好的回顾。 10 种深度学习推荐技术如下： 1>基于多层感知器的推荐 2>基于自动编码器的推荐 3>基于卷积神经网络的推荐 4>基于递归神经网络的推荐 5>基于受限玻尔兹曼机器的推荐 6>...
187 天前 / 奶糖猫
↑"奶糖猫"一个值得星标的公众号 本文约 18 张图，阅读大概需要 5 分钟 最近在入门图像识别，自然也会用到深度学习框架，也接触到了一个新的数据结构——tensor( 张量)。除此之外，也有一些很常用的数据结构，比如 DataFrame、Series、array 等，这篇文章主要对这几种数据结构的创建及相互转换做一个小总结。 创建方法 DataFrame 这里就不在单独贴出每种数据结构的示例图，只是简单描述一下各个数据结构的特点。DataFrame 类似于一个二维矩阵，但它的行列都有对应的索引。