1.
原創 2023年03月13日 19:34:22
本屆大獎賽獎項設定及獎勵辦法如下：
在大賽預定的截止日期5月3日24:00時取出排行榜前十名的參賽選手，排行榜上1~4名的選手分別設立為
一、二、三等獎，5~10名的選手分別設立突出獎、優勝獎和創意獎，具體設獎數量和獎勵辦法如下：
• 一等獎：1名，獎勵現金1萬元及獲獎證書；
• 二等獎：1名，獎勵現金5000元及獲獎證書；
• 三等獎：2名，獎勵現金2000元及獲獎證書；
• 突出獎：2名，羅西尼手錶一塊以及獲獎證書；
• 優勝獎：2名，派克筆一支以及獲獎證書；
• 創意獎：2名，觸控調光水led音箱燈以及獲獎證書；
3.1.協同過濾
推薦系統發展至今已有相當長的歷史，形成了乙個龐大的演算法和研發體系。推薦系統領域最早的演算法是協同過濾，現在基本不被各大網際網路公司作為線上系統使用，僅作為演算法迭代的初始比較標準。
協同過濾包括基於使用者的協同過濾(user-based collaborative filtering)和基於物品的協同過濾(item-based collaborative filtering)兩種。
為了提高推薦系統的效率，在推薦系統發展早年，亞馬遜設計了 slope-one 演算法來進行商品推薦。
2.矩陣分解模型
如果說協同過濾是推薦系統發展的第一階段，那麼矩陣分解模型就是推薦系統發展的第二階段。研究者和工程師們開始利用 svd 分解，lda 和 als 等其他的矩陣分解模型將使用者對物品的評分矩陣分解為使用者-隱變數矩陣和物品-隱變數矩陣，然後通過計算向量乘積完成使用者評分矩陣的填充。
因為矩陣分解模型需要計算完整的使用者-物品評分矩陣，所以時間複雜度比較高。google 在 2010 年發表了**介紹了 google news 的新聞推薦系統，結合了協同過濾，矩陣分解以及統計興趣趨勢的方法。在這一階段，出現了專門針對非評分矩陣的隱反饋的演算法，其中比較著名的有 svd++ 和 one-class collaborative filtering。
圖2. svd++ 評分計算公式
3.基於邏輯回歸的點選率預估
4.排序學習
5.深度學習
第28月第11天 vim b
1.首先以二進位制方式編輯這個檔案 vim b datafile 現在用 xxd 把這個檔案轉換成十六進製制 xxd 文字看起來像這樣 0000000 1f8b 0808 39d7 173b 0203 7474 002b 4e49 9.tt.ni 0000010 4b2c 8660 eb9c eca...
第27月第28天 iOS bundle
1.7.如果將自己打包的bundle給別人使用，別人在打包上傳過程中可能會遇到錯誤提示如 或者或者 網上也有很多的解決辦法，這裡提供一種解決方法，就是刪除bundle裡的執行檔案 找到工程中的test.bundle，右鍵單擊後 選擇 顯示包內容 找到裡面黑色的可執行檔案test，刪除掉，然後找到裡面...
第18月第16天 statusBar
1.我們都知道要改狀態列statusbar的顏色很簡單，只要如下一行 就可以，這樣之後顏色也就改了 還有一種可以在任意頁面更改statusbar的顏色 方法就是，在想改的viewcontroller裡加入這個 uistatusbarstyle preferredstatusbarstyle retu...