kdd

「Python数据挖掘系列」1. Python 库入门

第一章Python库入门1.了解数据分析2.数据分析的标准流程3.KDD流程4.SEMMA5.CRISP-DM6.比较数据分析和数据科学6.1数据分析师和数据科学家的角色7.数据分析师和数据科学家的
gongyouliu01·2021-05-15 08:00

重读KDD 2018 Best Paper：Airbnb的业务理解和Embedding技巧

文章目录0.业务背景1.基于clicksession的房源embedding（短期兴趣）1.1如何确定clicksession?1.2房源embedding方法1.2.1业务思考：原始的word2vec是非监督的，怎样融入提升“预订率”这一业务目标？1.2.2业务思考：如何缓解正样本在地域上的bias？1.2.3业务思考：如何解决newlisting的冷启动问题？2.基于bookedsession
贝壳er·2021-05-14 16:02

第9周任务安排

1.KDD论文阅读并整理（每天完成3-4篇的整理与总结）；2.K-means算法学习（原理、实验选取、代码、结果）——形成报告；3.对比了解其他聚类算法（这里以凝聚层次聚类、DBSCAN两种为例）。
pengfghg·2021-05-05 00:22

001 你是疲倦生活中的英雄梦

文｜KDD参赛编号：1104图片发自App阮媛媛一眼就看到了路尽头的公交车，她加快脚步，眼睁睁看着人们上车，发动器的声音响起，她一咬牙踩着十厘米的高跟鞋就“哒哒”地跑过去。
笨蛋蛋KDD·2021-05-02 14:42

推荐召回优质文章积累

千人万面，奇妙自见：爱奇艺短视频推荐技术中多兴趣召回技术的演变https://mp.weixin.qq.com/s/T2G8L820haEbvXgryvEWHg重点是用户多兴趣探索与学习KDD2020提出的兴趣聚类方法
Catherine_In_Data·2021-04-26 09:58

「AI大咖谈」DLP-KDD最佳论文作者谈「图神经网络」的特点、发展与应用

这里是「王喆的机器学习笔记」的第三十四篇文章。图神经网络毫无疑问是最近学术界的热点话题，工业界也是从Pinterest对于GraphSAGE的成功应用开始，争相尝试图神经网络的落地。再加上知识图谱的重新火热，二者的结合就更具有想象力了。Stanford和Pinterest的GraphSAGE这次「AI大咖谈」我们就跟DLPKDDworkshop的bestpaperaward获得者聊一聊图神经网络。
王喆的机器学习笔记·2021-04-18 16:37

从200多篇顶会论文看推荐系统前沿方向与最新进展

为了更加清楚的掌握推荐系统的前沿方向与最新进展，本文整理了最近一年顶会中推荐系统相关的论文，一共涵盖SIGIR2020,KDD2020,RecSys2020,CIKM2020,AAAI2021,WSDM2021
文文学霸·2021-04-03 22:35

图神经网络（一）DeepWalk: Online Learning of Social Representations

DeepWalk:OnlineLearningofSocialRepresentations论文作者：B.Perozzi,R.Al-Rfou,andS.Skiena论文来源：KDD,2014论文链接：https
码匀·2021-03-09 14:51

深度推荐模型——BST [KDD 19][Alibaba]

受Transformer在自然语言处理中取得巨大的效果启发，BST将应用Transformer用于提取用户行为序列背后的隐藏信息，同时考虑序列的前后顺序，能够更好的表达用户兴趣。importtensorflowastffromtensorflowimportkerasfromutilsimport*importnumpyasnpEPOCH=10BATCH_SIZE=32VEC_DIM=16DROP
卓寿杰_SoulJoy·2021-02-18 11:34

深度推荐模型——DIN [KDD 18][Alibaba]

importtensorflowastffromtensorflowimportkerasfromutilsimport*EPOCH=10BATCH_SIZE=32VEC_DIM=10DROPOUT_RATE=0.5HEAD_NUM=4HIDE_SIZE=128LAYER_NUM=3DNN_LAYERS=[200,80]data,max_user_id,max_item_id=load_data(
卓寿杰_SoulJoy·2021-02-15 11:20

AAAI 2021 | 时间序列论文一览

关注微信公众号“时序人”获取更好的阅读体验时间序列学术速报AAAI2021|时间序列相关论文一览NeurIPS2020|时间序列相关论文一览ICML2020|时间序列相关论文一览KDD2020|时间序列相关论文一览会议概况
VachelHu·2021-02-03 10:02

智能运维 | 故障诊断与根因分析论文一览

关注微信公众号“时序人”获取更好的阅读体验时间序列学术前沿NeurIPS2020|时间序列相关论文一览ICML2020|时间序列相关论文一览KDD2020|时间序列相关论文一览智能运维|故障诊断与根因分析论文一览
VachelHu·2021-01-15 14:12

「CSDN年度征文」微软学生大使、VSC中文社区、KDD CUP...2020年，我与技术社区

「年度总结」微软学生大使、VSC中文社区、KDDCUP…2020，我与技术社区前言：2020年是难忘的一年。如果用一个词概括2020年的话，我认为是『改变』：于「世界」是，于「我的生活」是，于「我在技术社区」亦是。2020年我从大四步入研一，上半年因疫情在家读代码、看计算机专业课来“练内功”；下半年，终于感觉自己开始“融入圈子”（一个从0到1的过程），在技术社区有了一定的参与度。在此，做出总结，发
PiperNest (同公众号)·2021-01-03 16:59

ISCXTor2016数据集（Tor-nonTor dataset）介绍

这个大学发布了很多网络安全领域的数据集，包括广泛使用的NSL-KDD数据集和CICIDS2017数据集。本文对该数据集进行尽可能详细的介绍。
wisemanchen·2021-01-01 11:07

Ubuntu配置Pytorch on Graph (PoG)环境过程图解

最近准备复现一下KDD-20TowardsDeeperGraphNeuralNetworks的代码，顺便学习一下GCN最新的一些进展。
·2020-11-19 10:54

2016 KDD CUP 大数据竞赛总结

在2016.03-2016.06实验室相互组队参加了2016KDDCUP大数据竞赛，总共组了三支队伍。我所在这支队伍取得了35/341的成绩。项目描述：基于相关机构在8个会议前5年的论文被接收数据，预测相关研究机构2016年论文的被接收数量，进而计算出2016年指定会议的相关机构影响力排名。主要工作：1、特征选择2、特征抽取3、分别使用了线性回归模型与LR模型对机构论文接收数量进行预测，计算研究机
Babyzpj·2020-10-10 13:40

论文笔记之Dynamic Heterogeneous Graph Neural Network for Real-time Event Prediction

DynamicHeterogeneousGraphNeuralNetworkforReal-timeEventPrediction本文是滴滴发在KDD2020的paper。
小弦弦喵喵喵·2020-10-09 22:53

《数据分析与数据挖掘》--天津大学公开课

1.1.2知识发现（KDD）的过程图片1.1.3区别图片1.1.4联系图片1.2分析和挖掘的数据类型1.2.1数据库数
浪里小飞侠·2020-10-09 19:33

KDD Cup 2020多模态召回比赛亚军方案与搜索业务应用

1.背景ACMSIGKDD（ACMSIGKDDConferenceonKnowledgeDiscoveryandDataMining）是世界数据挖掘领域的顶级国际会议。KDDCup比赛由ACMSIGKDD举办，从1997年开始每年举办一次，也是数据挖掘领域最有影响力的赛事之一。该比赛同时面向企业界和学术界，云集了世界数据挖掘界的顶尖专家、学者、工程师、学生等参加，通过竞赛，为数据挖掘从业者们提供了
美团技术团队·2020-10-09 13:02

KDD Cup 2020多模态召回比赛季军方案与广告业务应用

ACMSIGKDD（ACMSIGKDDConferenceonKnowledgeDiscoveryandDataMining）是世界数据挖掘领域的顶级国际会议。今年，KDDCup共设置四个赛道共五道赛题，涉及数据偏差问题（Debiasing）、多模态召回（MultimodalitiesRecall）、自动化图学习（AutoGraph）、对抗学习问题和强化学习问题。美团搜索广告算法团队最终在Debi
美团技术团队·2020-09-24 19:00

KDD Cup 2020多模态召回比赛亚军方案与搜索业务应用

ACMSIGKDD（ACMSIGKDDConferenceonKnowledgeDiscoveryandDataMining）是世界数据挖掘领域的顶级国际会议。今年，KDDCup共设置四个赛道共五道赛题，涉及数据偏差问题（Debiasing）、多模态召回（MultimodalitiesRecall）、自动化图学习（AutoGraph）、对抗学习问题和强化学习问题。美团搜索广告算法团队最终在Debi
美团技术团队·2020-09-24 19:00

[转]机器学习相关数据库 备份

原文地址：http://www.cppblog.com/cdy20/archive/2012/10/10/193134.html资料库KDD杯的中心，所有的数据，任务和结果。
aodiyu3146·2020-09-17 04:10

KDD2019 | DeepGBM:使用树蒸馏提升在线预测任务下深度模型效果

“本文从以下3个方面介绍了微软提出的DeepGBM方法：1.阐述了树模型以及神经网络模型的优缺点，各自适合的场景和优势；2.蒸馏技术：一个巧妙的地方就是，我们知道神经网络能够拟合各种函数，在这篇文章里并不是直接拟合树模型的输出，而是拟合树模型索引的输出，间接的得到树模型单位输出，从而在神经网络中学习到了树结构的知识。3.用嵌入表示学习对众多的叶子节点降维，使得模型能够高效运行。”作者：潘振福，本硕
文文学霸·2020-09-17 03:04

KDD 2020 | 多任务保量优化算法在优酷视频场景的实践

导读：今天分享一下阿里优酷视频在KDD2020上的一篇关于新热视频保量分发上的实践，建立了新热内容曝光敏感模型并给出了一种多目标优化保量的算法，推荐工业界实战干货论文，值得细读。
文文学霸·2020-09-17 03:03

Disentangled Self-Supervision in Sequential Recommenders（KDD‘20）论文小结

Intro《DisentangledSelf-SupervisioninSequentialRecommenders》是清华大学崔鹏老师和阿里巴巴杨红霞合作发表在KDD2020上的论文，该论文的最大亮点就是
Marcus-Bao·2020-09-17 02:44

[机器学习]集成学习--bagging、boosting、stacking

这也是集成学习在众多高水平的比赛如奈飞比赛，KDD和Kaggle，被首先推荐使用的原因。一般来说集成学习可以分为三大类：用于减少方差的bagg
曾先森~~·2020-09-17 00:39

关于唐杰老师18年KDD-DeepInf-社会影响力论文初次理解《DeepInf: Social Influence Prediction with Deep Learning》

纯属个人记录，有错误的话，勿喷~《DeepInf:SocialInfluencePredictionwithDeepLearning》唐杰老师的这篇论文目前阅读了2遍，代码看了一遍，最初阅读有了一个对模型的初步认知，模型数据来源主要是图结构以及图中每个节点的actionstate，通过这两个输入得到最终的下一个timestamp的actionstate。其中用到的技术是先通过randomwalk，
flying_coder·2020-09-15 23:29

mssql2005数据导入mysql

SQLSERVER数据导入MYSQL工具：NavicatforMySQL1，创建目标数据库点击创建好的目标数据库kdd表一项，在右边会出现导入向导选择＂导入向导＂中ODBC，点击下一步选择一个文件，作为数据源文件
Json2008·2020-09-15 10:28

什么是数据挖掘 ？（DM 与DW 、OLAP、CRM 的区别）

什么是数据挖掘数据挖掘(DataMining)，又称为数据库中的知识发现(KnowledgeDiscoveryinDatabase,KDD)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程
涡轮5·2020-09-15 06:13

数据挖掘方面重要会议的最佳paper集合

数据挖掘方面重要会议的最佳paper集合，后续将陆续分析一下内容：主要有KDD、SIGMOD、VLDB、ICML、SIGIRKDD(DataMining)2013SimpleandDeterministicMatrixSketchingEdoLiberty
libing881·2020-09-15 05:03

1999 KDD Cup 网络流量异常检测大赛 特征

back,buffer_overflow,ftp_write,guess_passwd,imap,ipsweep,land,loadmodule,multihop,neptune,nmap,normal,perl,phf,pod,portsweep,rootkit,satan,smurf,spy,teardrop,warezclient,warezmaster.1，duration:continu
qq_281617953·2020-09-15 03:49

KDD CUP 99利用决策分类树进行网络异常检测

importpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt数据导入与数据探索数据导入df=pd.read_csv('train_data.csv',header=None)col_name=['duration','protocol_type','service','flag','src_bytes','dst_bytes','land'
Eric_Squirrel·2020-09-15 02:41

顶会论文看不懂？阿里巴巴技术专家为你全方位解读！

简介：由阿里云开发者社区联合新零售智能引擎事业群共同打造的《KDD论文精华解读》电子书重磅发布！
阿里云云栖号·2020-09-14 21:00

【CTR预估】 xDeepFM模型

xDeepFM模型看作者邮箱应该中科大、北邮、微软合作发表的，发表在kdd2018。
DivinerShi·2020-09-14 04:23

Graph Embedding总结

图嵌入应用场景：可用于推荐，节点分类，链接预测（linkprediction），可视化等场景一、考虑网络结构1.DeepWalk（KDD2014）（1）简介DeepWalk=RandomWalk+Skip-gram
dili8870·2020-09-14 03:15

文献阅读（六）KDD2016-Asymmetric Transitivity Preserving Graph Embedding

本文是对《AsymmetricTransitivityPreservingGraphEmbedding》一文的浅显翻译与理解，原文章已上传至个人资源，如有侵权即刻删除。更多网络表示学习相关文章，请移步：文献阅读总结：网络表示学习文章目录前言TitleMainBody1定义2损失函数3优化高阶接近度4近似误差前言该文章认为，与无向图不同，有向图中的传递性是非对称的，提出HOPE(High-Order
CSDNTianJi·2020-09-14 03:08

论文 | 2017KDD西行记

虽然今年的KDD早已落下帷幕，但是好的论文和前沿学术研究始终值得我们学习。本文由参加了本届KDD的多位蚂蚁金服的小伙伴共同撰写，目录如下：2017KDD所思所感蚂蚁在KDDABTest专题Graph专
weixin_34392435·2020-09-14 03:05

【GCN】: IntentGC算法框架

本篇论文是阿里发表在kdd2019的文章，是gcn在淘宝场景下的实际应用，还提供了源码，很具有可读性。
DivinerShi·2020-09-14 03:49

###haohaohao######专访 DLP-KDD 最佳论文作者，探讨图神经网络的特点、发展与应用

InfoQ的读者大家好，我是KDDWorkshopDLP-KDD2020的联合主席王喆，在DLP-KDD2020征稿之际，我们专访了上一届WorkshopBestPaperAward（AnEnd-to-EndNeighborhood-basedInteractionModelforKnowledge-enhancedRecommendation
mishidemudong·2020-09-14 03:18

混合时空图卷积网络：利用导航数据改进交通预测效果 | KDD 2020

作者|高德机器学习团队出品|AI科技大本营（ID:rgznai100）引言时空预测（spatio-temporalforecasting）在天气预报、运输规划等领域有着重要的应用价值。交通预测作为一种典型的时空预测问题，具有较高的挑战性。日常通勤中的规律往往相对容易挖掘，但交通状况还会受影响于各种难以预知的事件（例如娱乐庆典活动的举办、恶劣天气等）。以往的研究中[1,2,3]，数据驱动的方法往往利
AI科技大本营·2020-09-14 03:35

KDD 2020（六） | 让推荐不止懂你的下一刻心思...（作者带你读论文）

⬆⬆⬆点击蓝字关注我们AITIME欢迎每一位AI爱好者的加入！一、引言主流推荐算法的训练过程要求模型根据用户过往行为拟合用户的下一个行为。但只拟合「下一个行为」存在局限：首先，推荐结果会趋向单一。比如当训练数据中存在大量类似“裙子、裙子、裙子、裙子、裙子、发饰”的序列时，由这个序列构造出来的大部分训练样本的标签都是裙子，这会导致学出来的算法在用户点击裙子后依然会倾向于推荐裙子、而不是推荐发饰之类的
AITIME论道·2020-09-14 03:11

KDD 2020阿里巴巴论文一分钟秒读

作为科研人员，阅读文献已经成为日常，而快速阅读掌握文章要旨、研究的背景，动机、方法和结论是必备的技能。而随着论文数量的爆炸式增长，每日阅读大量的英文文献已然成为了一件枯燥耗时的工作。好消息是，近日，清华大学AMiner团队和同济大学iDVX实验室与智谱AI联合发布了一款AI视频神器——“秒读论文”，一键生成论文解读短视频，能助力科研人员快速掌握中英文文献核心要义。这里我们精选了12篇来自阿里巴巴的
AITIME论道·2020-09-14 03:11

KDD 2020（五） | 基于多源异构信息整合的视频标题生成模型（作者带你读论文）...

⬆⬆⬆点击蓝字关注我们AITIME欢迎每一位AI爱好者的加入！论文：ComprehensiveInformationIntegrationModelingFrameworkforVideoTitling作者：ShengyuZhang,ZiqiTan,JinYu,ZhouZhao,KunKuang,TanJiang,JingrenZhou,HongxiaYang,FeiWu会议：InThe26thA
AITIME论道·2020-09-14 03:11

KDD 2020（三） | 从多个环境选择性偏差中学习稳定的图结构

已在KDD、IJCAI等会议上发表多篇论文。一、提出问题1.1什么是图结构图(Graph)：是一种比线性表和树更为复杂的数据结构，图(a)就是一个图的例子。图结构：是研究数据元素之间的多对多的关系。
AITIME论道·2020-09-14 03:10

KDD 2020（一） | 可调控的多兴趣推荐框架（作者带你读论文）

⬆⬆⬆点击蓝字关注我们AITIME欢迎每一位AI爱好者的加入！论文：ControllableMulti-InterestFrameworkforRecommendation作者：YukuoCen,JianweiZhang,XuZou,ChangZhou,HongxiaYang,JieTang会议：InProceedingsoftheTwenty-SixthACMSIGKDDInternationa
AITIME论道·2020-09-14 03:10

KDD 2020（二） | GCC：图上的Contrastive Coding（作者带你读论文）

⬆⬆⬆点击蓝字关注我们AITIME欢迎每一位AI爱好者的加入！论文：GCC:GraphContrastiveCodingforGraphNeuralNetworkPre-Training作者：JiezhongQiu，QibinChen，YuxiaoDong，JingZhang，HongxiaYang，MingDing，KuansanWang，JieTang会议：InThe26thACMSIGKDD
AITIME论道·2020-09-14 03:10

KDD2020|混合时空图卷积网络：更精准的时空预测模型

以往的研究中主要利用通行时间作为模型输入，很难预测整体的交通状况，本文提出的混合时空图卷积网络，利用导航数据大大提升了时空预测的效果（本文作者高德机器学习团队，论文已被收录到KDD2020）。
人工智能与算法学习·2020-09-14 03:56

混合时空图卷积网络：更精准的时空预测模型 | KDD2020

2020-06-2720:13:03本文解读的是KDD2020论文《HybridSpatio-TemporalGraphConvolutionalNetwork:ImprovingTrafficPredictionwithNavigationData
喜欢打酱油的老鸟·2020-09-14 03:56

【2020顶会KDD】一种基于邻域的异构图推荐交互模型

题目：AnEfficientNeighborhood-basedInteractionModelforRecommendationonHeterogeneousGraph文章作者信息：预览摘要：由于异构信息网络（HIN）能够表征复杂的图形，并且包含丰富的语义。近年来，HIN被广泛应用于推荐系统中。然而，现有的方法虽然提高了性能，但在实际应用中仍存在以下问题：一方面，大多数现有的基于HIN的方法依赖
皇德华叫兽·2020-09-14 03:17

直播预告：KDD 2020 顶会论文分享 | AI TIME PhD

8月26日晚7-9点，AITime联合清华大学计算机系、阿里巴巴，邀请6位讲者，齐聚分享KDD2020！
AITIME论道·2020-09-14 03:43
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他