计算机系教师:http://www.ntu.edu.sg/home/axsun/
“Somebody might say, ‘I really hate beer, but I love Heineken,’” ...“You see the word 'hate' and the word 'Heineken' in the same tweet, do you now infer that they are negative on Heineken? →
DB方向还有至少三个会,还不算CIDR和EDBT.
//@52nlp: //@昊奋: 任何big XXX的都是buzz word,我觉得说的还是老问题,用实体来标注文本就是entity linking和named entity recognition,而relation的标注就是关系抽取,将文本更加结构化是语义理解的基础,这两个过程本来就是相辅相成。标注的越多就会积累更多知识,更多的知识也让标注更准确。
//@丕子: follow//@刘知远THU: 利用知识图谱加强对文本的表示是个重要的研究问题。:) //@-林鸿飞-: Entity将成为分析的入口,Relation也许比语义更为实用。
推荐!
#ICDM2014# 本次,我们邀请了三位大牛来做keynotes。分别是:1. 来自北京大学的Wen Gao教授,题目:Towards Mobile Visual Search 2. 微软和康奈尔大学的Johannes Gehrke教授,题目:Ten Research Challenges in Data Science 3. 明尼苏达大学的Vipin Kumar教授,题目:Understanding Global Change...
//@phunter_lau:对,很少有推荐系统能考虑到用户承受能力,包括时间精力购买力等等//@睡眼惺忪的小叶先森: 我对推荐的理解为:用户的taste、用户的基础条件已经决定了解空间。推荐就是帮用户多快好省地寻找到解空间中的较(最)优解。因此如果我只爱Android os;或者我手头只有1000块钱,怎么推荐苹果
今天李沐少帅分享的推荐系统ppt中有一个page,bias matters。。请教下@phunter_lau 。这个是不是先验的比重占33%,即热门的效果对推荐的影响达到33%,个性化的部分才10%,其他是不可解释?这个结果对个性化工作的打击该多大啊
今天带孩子去裕廊飞禽公园看猫头鹰,荡秋千,顺手拍了些花
看网上直播,有很多很有意思的工作