- 授权协议: 未知
- 开发语言: Java
- 操作系统: 跨平台
- 软件首页: https://github.com/tjitze/RankPL
- 软件文档: https://github.com/tjitze/RankPL/blob/master/README.md
软件介绍
RankPL是一种建模语言,旨在通过将“正常”与“令人惊讶”事件区分开来,表现出无法表达的不确定性。你可以认为它是一种概率编程语言的定性变体。实际上它是一种常规的编程语言通过扩展语句,从给定的概率分布中随机抽取值和观察得来的变量的条件值,这些概率程序就代表了不同可能结果的概率分布,以此来代替确定性结果。
在语义上,RankPL 是概率理论的定性抽象,其中事件获得不连续的程度称为等级(rank)。事件的等级可以为 0(不奇怪),1(令人惊讶),2(非常令人惊讶)等等,如果不可能则为∞。
因此,RankPL是一种编程语言(一个简单的命令式),通过扩展语句从排序函数中随机抽取选项,并执行排名理论条件,通过区分正常(0)和惊奇(> 0)事件来模拟不确定性。
推荐系统与深度学习
黄昕、赵伟、王本友、吕慧伟、杨敏 / 清华大学出版社 / 2019-1-1 / 65.00元
本书的内容设置由浅入深,从传统的推荐算法过渡到近年兴起的深度学习技术。不管是初学者,还是有一定经验的从业人员,相信都能从本书的不同章节中有所收获。 区别于其他推荐算法书籍,本书引入了已被实践证明效果较好的深度学习推荐技术,包括Word2Vec、Wide & Deep、DeepFM、GAN 等技术应用,并给出了相关的实践代码;除了在算法层面讲解推荐系统的实现,还从工程层面详细阐述推荐系统如何搭建.一起来看看 《推荐系统与深度学习》 这本书的介绍吧!
