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