的推薦算法並不准確的原因之一） 我們在對一個新用戶進行推薦時，可以計算在同等維度下 ...

http://yaoleo.github.io/2017/10/27/TransE算法的理解/ tranE是在模型中嵌入知識圖譜等三元組類的一個方法，就像是句子利用詞典嵌入一樣。 ...

一種nb算法，可以求出數列的遞推式。 具體過程是這樣的。 我們先假設它有一個遞推式，然后按位去算他的值。 這是我們算出了f[i]應當是多少，但是f[i]有可能不是我們算出的值，所以我們記錄一個delta，為我們算出的值減去f[i]的結果。 然后查看一下之前有沒有出過鍋 ...

一.理論准備 為了學習網絡流，先水一道spfa。 SPFA算法是1994年西南交通大學段凡丁提出，只要最短路徑存在，SPFA算法必定能求出最小值，SPFA對Bellman-Ford算法優化的關鍵之處在於意識到：只有那些在前一遍松弛中改變了距離估計值的點 ...

vibe算法是采用領域像素來創建背景模型，通過比對背景模型和當前輸入像素值來檢測前景。 模型的工作原理 背景像素樣本（該點過去的像素和其領域的像素）的選取：鄰域點選取采用8鄰域方法隨機選取。用v(x)表示圖像中x處的像素在給定的歐幾里得顏色空間所取得值，每個背景像素x由N個背景樣本值集合來建模 ...

最近突發奇想，到B站上看qscqesze神犇的每周算法講堂，於是便學習了分塊這個算法。 分塊是一個很暴力的算法，按照某大神的說法，一般的區間問題都可以用他來解決，沒有100分也有80分（一般會有80分，運氣好有100分）。 分塊是一個很暴力的算法，它可以完成幾乎所有區間更新和區間查詢 ...

LM算法全稱為Levenberg-Marquard algorithm，在正式介紹該算法之前，我們需要先研讀一下對該算法的發展有重要意義的幾篇論文。首先，我們從LM算法的開篇之作（Levenberg於1944年發表）開始。 A method for the solution ...

智能推薦算法總的來說分為兩種：基於內容的推薦算法和協同過濾推薦算法。 基於內容的推薦算法： 根據內容的相似度（靜態的東西）進行推薦，內容不好提取的可以采取貼標簽的形式來區分計算內容的相似程度。然后根據用戶的喜好設置，關注等進行相似內容推薦。 協同過濾推薦算法： 根據動態信息來進行推薦 ...