模型算法

听书时候听到SIR模型记录一下

网络挖掘

网络挖掘（web mining）让你通过内容挖掘、结构挖掘和用途挖掘在数据中寻找模型。内容挖掘用于审查搜索引擎和网络爬虫收集到的数据；结构挖掘用来审查与特定网络结构相关的数据；而用途挖掘则在网络交易时，用于审查用户可能提交的表格收集到的数据。
评估通过网络挖掘收集到的信息要运用传统的数据挖掘参数（有时还需要软件图表应用的帮助），如分类归并和分类、关联和序列模式审查。

推荐系统、风控模型、知识图谱，竟然都可以用网络挖掘来实现

SIR

SIR(susceptible infected recovered model)模型是是一种传播模型，是信息传播过程的抽象描述。是传染病模型中最经典的模型。其中，
S(susceptible)表示易感者，指未得病者，但缺乏免疫能力，与感病者接触后容易受到感染；
I表示感染者(Infective)，指染上传染病的人，它可以传播给S类成员；
R表示移出者(Removal)，指被隔离，或因病愈而具有免疫力的人。

SIR模型简单了解（Susceptible Infected Recovered Model）

IRGAN

IRGAN将GAN用在信息检索（Information Retrieval）领域，通过GAN的思想将生成检索模型和判别检索模型统一起来，对于生成器采用了基于策略梯度的强化学习来训练，在三种典型的IR任务上（四个数据集）得到了更显著的效果。
生成式和判别式的检索模型
生成式检索模型（query -> document）认为query和document之间存在潜在的生成过程，其缺点在于很难利用其它相关的信息，比如链接数，点击数等document和document之间的相关数据。
判别式检索模型（query+document -> relevance）同时考虑query和document作为特征，预测它们的相关性，其缺点在于缺乏获取有用特征的方法。

论文笔记：IRGAN——A Minimax Game for Unifying Generative and Discriminative Information
只用生成器能否打败IRGAN? 读完Code再读论文的一些体会
推荐系统遇上深度学习(二十三)–大一统信息检索模型IRGAN在推荐领域的应用