Source: http://ml.memect.com/archive/2015-08-13/long.html
@北冥乘海生 《计算广告》
来自 @龙星镖局 好东西传送门整理
关键词：洪涛, 课程, 刘鹏, 书籍
@北冥乘海生 的著作《计算广告》下月即将开卖，强烈推荐给大家。值得推荐的理由：1）世界第一本关于计算广告的书籍；2）刘鹏老师是该领域理论实践都资深的专家；3）本书是经受考验的《计算广告》课程的升级版；4）本书章节划分清晰，读者可自行选择精读；5）业内30位大家推荐；6）我准备预订两本。
Russ Salakhutdinov在蒙特利尔深度学习暑期学校上的幻灯片
来自 @王威廉 好东西传送门整理
关键词：深度学习, 资源, PDF, Russ Salakhutdinov, 幻灯片, 课程
多伦多大学教授Russ Salakhutdinov在刚刚进行的蒙特利尔深度学习暑期学校上的幻灯片。1 [1] 2 [2] 其他课程幻灯片 [3] [1] http://www.iro.umontreal.ca/~memisevr/dlss2015/talk_Montreal_part1_pdf.pdf
[2] http://www.iro.umontreal.ca/~memisevr/dlss2015/talk_Montreal_part2_pdf.pdf
[3] https://sites.google.com/site/deeplearningsummerschool/schedule
Elasticsearch添加中文分词
来自 @jianfengye110 好东西传送门整理
关键词：应用, 自然语言处理, 数据库, 信息检索
#技术导读# 为Elasticsearch添加中文分词，对比分词器效果 Elasticsearch中自带的分词器弱爆了，文章给了如何安装IK，并且进行比较 [1] [1] http://keenwon.com/1404.html
考虑词序和字符序的神经词嵌入
来自 @iB37 好东西传送门整理
关键词：会议活动, 算法, 自然语言处理, ICML, 会议, 期刊, 神经网络
考虑词序和字符序的神经词嵌入, 在词类比任务尤其是句法任务上效果好。Modeling Order in Neural Word Embeddings at Scale [Trask,ICML15] 模型：Partitioned Embedding Neural Network Model (PENN) [1] [1] http://jmlr.org/proceedings/papers/v37/trask15.html
KDD2015 Google：预测广告算法的长期效果
来自 @zwner 好东西传送门整理
关键词：算法, 资源, PDF
KDD2015上Google有一篇有趣的论文：预测广告算法的长期效果。 [1] 既然短期效果和长期效果可能不太一致，那就直接建一个线性模型，通过短期效果的指标去预测长期的CTR提升比例。最后的模型考虑的因素很简单：广告的CTR以及登陆页面的质量。 [1] http://www0.cs.ucl.ac.uk/staff/w.zhang/pubpapers/google-long-term.pdf
完整版
点此链接查看全部32条：http://ml.memect.com/archive/2015-08-13/long.html