TLDR： 本文综述了最近使用大语言模型技术来增强推荐系统的相关工作，主要是将当前工作分为预训练（Pre-training）、微调（Fine-tuning）和提示（Promoting）的角度来进行介绍。
本文基于ECML-PKDD-2020论文《Social Influence Attentive Neural Network for Friend-Enhanced Recommendation》，论文作者是北京邮电大学、腾讯微信、新加坡管理大学的陆元福、谢若冰、石川、方元、王伟、张旭和林乐宇。 导读 随着在线社交网络的兴起，许多社交应用程序中出现了一种新的基于社交的推荐方式，微信看一看推荐系统中的朋友在看就是其代表应用之一。在本文中，我们将微信看一看的朋友在看推荐称为“好友增强型推荐（Friend-
AI 科技评论按：本文作者 Tim Dettmers 现在已在华盛顿大学读博，博士申请阶段，他曾对如何申请博士进行了深入研究，并一举拿下斯坦福大学、华盛顿大学、UCL、CMU 和 NYU 五所名校的 offer。日前，他发布了这篇博文，总结了怎样一步步地打造一份优秀的博士申请，并在问答中对大家的疑问进行了解答，希望以此来帮助那些正面临或将面临博士申请的人。雷锋网 AI 科技评论编译如下。
2月8日，百度举行了一场为“全民VIP狂欢节”预热的新闻发布会。会上，百度表示要在除夕到初六这七天时间里限时免费开放优质内容资源，来自爱奇艺、蜻蜓FM、喜马拉雅、太合音乐等内容方的“最新大片、热搜歌曲、热播音频”等VIP内容资源，统统免费。
1.git reset git reset有3个参数，可以自行百度，主要介绍--hard git reset hard 版本号 这个命令不推荐使用后，这样会让当前版本号到撤回的那个版本号之间的commit记录全部消去，使用git push origin branchName -f 强推，这是非常不友好的，一般在不建议git reset --hard 版本号 之后提交到远程分支。 如果强行使用 git reset操作
昨天，网友ubiquitous7733在Reddit论坛吐槽，自己想申请NLP和机器系学习方向的博士生，尝试过纽约大学、哥伦比亚大学, 斯坦福、MIT, CMU等8所学校，申请了三波至今未果，现在开始不断怀疑自己。
目前，推荐系统在信息过滤中起着至关重要的作用。现有主流的推荐系统主要是通过学习数据中的相关性进而提取用户的行为偏好，例如协同过滤中的行为相关性，点击率预测中的特征-特征或特征-行为相关性。然而，遗憾的是，现实世界是由因果关系而不是相关关系驱动的，相关关系并不意味着因果关系。例如，推荐系统可以在用户购买手机后向其推荐电池充电器，其中后者可以作为前者的原因，而这种因果关系是无法反过来的。最近，为了解决这个问题呢，推荐系统的研究人员开始利用因果推理来提取因果关系，进而增强推荐系统的性能。
近两年的疫情，导致大部分项目都在远程交付，给客户做presentation和workshop也都搬到了线上，在演讲过程中高亮鼠标，画图做批注补充等等都有了很大的需求。
在推荐系统中，用户回存在各种异构行为，对这些行为的有效挖掘能够提升我们对用户偏好和行为的理解。但是，将各类异构行为结合到推荐模型中的传统方法会导致特征稀疏（feature sparsity）和知识碎片（knowledge fragmentation）问题。本文提出采用大模型LLM从用户的异构行为信息中提取和融合异构知识，然后将异构知识和推荐任务相结合，在LLM上执行指令微调进行个性化推荐。
Sublime 简直是前端 coding 神器 什么需求都能满足 我这辈子就用 Sublime 了 嗯，VScode 真香！
在整个功能开发完毕的时侯，会有非常多的 commit，用 rebase 可以让我们的commit记录很干净
基本上只要出现好友头像的地方都能通过双击头像来直接访问该好友设置的视频，比如群聊、朋友圈、通信录，各种入口，这是要强推的节奏。
今天给大家推荐一个非常牛逼的大数据框架Flink，它是Apache顶级项目，目前github上的托管地址为https://github.com/apache/flink。
就像国内的b站一样，YouTube不仅是一个多媒体娱乐帝国，还是一个全面的学习平台。每月无需支付订阅费即可在YouTube上观看视频。所有供你观看和学习的内容全部免费，这是一件很美妙的事情。你只需要付出宝贵的时间来观看自己喜欢的视频。
由于MC自带的必要动态链接库LWJGL的架构是X86，不兼容mac pro m1处理器的arm64架构，原生的MC是无法在m1上启动的；同时由于Apple强推了Metal API，在部分mod / 光影 / 材质包上会有损失部分Feature的情况
上周末梳理了NeurlPS'22中推荐系统相关论文，详见NeurlPS'22 推荐系统论文梳理。本想精读其中某篇，但是并没有公开。最近知乎刷到很多ICLR'23的总结文章，我把他们汇总在ICLR'23 论文整理合辑一文中(https://zhuanlan.zhihu.com/p/576413129)，含扩散模型、图网络、推荐系统、强化学习、知识蒸馏、NLP等多个方向。
TLDR: 这篇文章给大家分享来自香港大学数据智能实验室最近推出的智能推荐大模型XRec，旨在利用大语言模型为推荐系统提供基于自然语言的可解释性。
今天给大家安利 14 款颜值绝绝子的 Chrome 官方主题，均由 Chrome 官方团队出品。个人强推第一款海洋绿，拉升逼格。
推荐系统对于应对信息过载挑战至关重要，它们根据用户的个人偏好提供定制化推荐。近年来深度学习技术极大地推动了推荐系统的发展，提升了对用户行为和偏好的洞察力。
免费的广告拦截器，永远的神，想要访问网站没广告，这个你绝对用得上，打开之后不管是啥广告全部消失。
TLDR: 本文全面综述了自监督学习（SSL）在推荐系统中的应用，深入分析了逾170篇论文。提出了一个涵盖九大推荐场景的自监督分类体系，详细探讨了对比学习、生成学习和对抗学习三种SSL范式，并在文中讨论了未来研究方向。
经过 3 个月精心准备，我拿到了 Google，Facebook，Netflix，linkedin，Snapchat，Roku TV，Amazon，Signal，Wealthfront，Toyota Research Institute 一共 10 个硅谷公司的 offer。airbnb 结果还没出，uber, dropbox 面试体验不好，最后 onsite 直接 withdraw。Soundhound intuit HR 自己说他们待遇不 competitive，所以也 withdraw 了。最终大概率在 LinkedIn Staff 和 Netflix 之间选一个。
知识图谱（图网络）在推荐系统中的重要性不言而喻，但并非所有关系都与目标推荐任务相关。为解决这一问题，本文介绍了名为DiffKG的新的知识图谱扩散模型，结合了生成扩散模型与数据增强范式，实现了鲁棒的知识图谱表示学习。
你好，我是 Guide。上个周末简单整理了几本觉得还不错的分布式技术书籍，这里简单分享一下，希望对你系统学习分布式领域相关的知识能够有所帮助。
腾讯 VTeam 技术团队是一个大前端技术团队，源于腾讯看点，技术领域涉及但不仅限于 Web、iOS、Android 以及后台，技能覆盖全端和全栈。V 代表团队“拥抱变化，与时俱进”的文化，我们致力于用技术创造无限可能，持续提升研发效能和产品体验。 腾讯看点是腾讯公司推出的信息流内容服务品牌，目前已经登陆了微信、腾讯 QQ、QQ 浏览器三大平台。用户可以在各平台内，通过腾讯看点享受到文章、图片、小视频、短视频、直播、免费小说、专题、栏目等众多形式的内容服务。同时，腾讯看点推出了快报、腾讯看点视频两款独立
上面的网址是一个免费的SQL学习网站——SQLZOO！它支持语言：English • 日本語 • 中文（繁体），不过选择繁体中文后会发现翻译的也一般，还不如直接用谷歌/有道翻译插件，界面如下：
TLDR: 本文将社交推荐任务建模在双曲空间学习之下，并提出了一种基于双曲图学习的社交推荐模型。具体的，其设计了一个双曲社交预训练模块以保留社交结构作为特征，并从显式的异质图学习和隐式的特征增强两方面缓解社交推荐存在的问题。
TLDR: 本文针对移动互联网业务中用户在app中既使用搜索又使用推荐服务的场景，提出了一种搜索增强的序列推荐框架SESRec。该框架通过将用户的搜索与推荐兴趣相结合，解耦了用户搜索和推荐行为中相似和不相似兴趣之间的联系。另外，由于用户反馈中缺乏兴趣之间相似度的标签，我们利用了对比学习自监督兴趣的解耦。实验验证了所提出框架的有效性。
在业界呼唤超强算力的时代，腾讯云计算产品重磅推出全新高性能计算集群HCC，充分满足您在云上部署大规模高性能计算软件、高性能AI分布式训练集群等需求。超强算力，唾手可得。 互动福利 知乎搜索关注「腾讯云服务器」机构号及话题 并赞同/喜欢/收藏任意内容 11.20 18:00 将从关注用户中抽取300名用户 赠送腾讯云十周年微信红包封面 投稿 腾讯云服务器长期征集原创内容。稿件一经征用即可获得最高千元代金券奖励。公众号后台回复“投稿”即可查看。 推荐阅读 产品｜开启API Easy模式
git 对于大家应该都不太陌生，熟练使用git已经成为程序员的一项基本技能，尽管在工作中有诸如 Sourcetree这样牛X的客户端工具，使得合并代码变的很方便。但找工作面试和一些需彰显个人实力的场景，仍然需要我们掌握足够多的git命令。 下边我们整理了45个日常用git合代码的经典操作场景，基本覆盖了工作中的需求。
哟哟哟，这里是火绒小姐姐尬rap之路，开学推荐几款小工具，提高学习效率，不要拖拉没头绪，打开电脑找角度，一步两步，操作帅酷，学学英语，看看美剧，玩玩桌面空白处，要是客官觉得还算有点乐趣，跟随脚步，期待官网和你相遇……
在学习spark mlib机器学习方面，为了进行算法的学习，所以对原有的算法进行了试验。从其官网（http://spark.apache.org/docs/latest/mllib-guide.html）上进行了相关文档的介绍学习，并通过其给定的例子包中相关进行测试。
git对于大家应该都不太陌生，熟练使用git已经成为程序员的一项基本技能，尽管在工作中有诸如 Sourcetree这样牛X的客户端工具，使得合并代码变的很方便。但找工作面试和一些需彰显个人实力的场景，
或者做一个 交互式rebase 删除那些你想要删除的提交(commit)里所对应的行。
深度学习的调参就像炼丹，而我就是一位正尝试入坑的“炼丹学徒”，在收藏了几个链接后，看着臃肿的收藏夹，心血来潮，不如写篇博客，整理一下近期学习过程中遇到的好课程、好博客、好项目，会贴上链接，做个简短的评价，欢迎留言交流与评价，持续分享好的资源~
WSDM 2023的论文录用结果已出，以下是论文列表地址，笔者整理了推荐系统相关的一些论文，包含序列推荐，点击率估计，多样性等领域，涵盖图学习，对比学习，因果推断，知识蒸馏等技术。抓紧学起来吧。
1、elder-frog/OpenCourseCatalog: Bilibili 公开课目录[1]妈妈，我在霹雳霹雳念了个大学。
while语句用法如下。其中else语句为可选语法，在while正常执行结束后执行，但是如果while异常退出、break，return则不执行。
我回忆了一下我当时在搭建博客网站的经历，想起来我使用的是第三方的 CDN 解析，所以应该是本地的配置被覆盖了。于是我尝试着去寻找我自己绑定自定义域名的博客或者记录，打算按照当时的流程重新配置一下。然后结果你应该也猜到了，要是我找到了记录，这篇博客就不会出现在这里了。
Github下载地址：HaoOuBa/Joe: A Theme of Typecho (github.com)
梦晨 发自 凹非寺 量子位 | 公众号 QbitAI 推特广告商持续出走，估值还剩不到一半后，马斯克打算借ChatGPT之势强推认证服务增收。 个人账号想要大V标志需付费8美元/月，机构账号则要1000美元/月。 他宣布从4月15日起未认证的账号不会再被算法推荐，也不能参与投票，称这是“应对高级AI水军的唯一可行办法”。 否则这是一场毫无希望的必败之战。 后面他又补充一句，如果机器人账号遵守服务条款且不冒充人类，那也是可以认（交）证（钱）的。 对于历史遗留的机构认证标记，也会从4月1日起在几周的“宽限
git对于大家应该都不太陌生，熟练使用git已经成为程序员的一项基本技能，尽管在工作中有诸如 Sourcetree这样牛X的客户端工具，使得合并代码变的很方便。但找工作面试和一些需彰显个人实力的场景，仍然需要我们掌握足够多的git命令。
最近看到的一段话很有感触，日复一日的低效率工作只会消磨你的热情，而巨大的时间成本会让你错失很多机会。
一、Pxmu.js：是一款由七如团队开发的 web 消息提示框插件。对于移动端开发提示功能是很有帮助的。做过安卓开发的小伙伴对 Toast 一定不陌生，pxmu有类似的功能，不过比 Toast 要更加强大。但不太友好的地方就是样式有点丑了需要自己再去美化 其特点如下： 1.支持常见的 toast / loading / dialog / fail 等状态提示 2.全局使用 flex 布局，自适应兼容性好 3.专为移动端设计，但 PC 和移动端都可使用 样式、动画、颜色、图标等都支持自定义 二、FilePond：是一款很棒的前端上传插件，功能强大而且样式很漂亮。对于有上传功能的开发简直不要太友好了。这个库很强大，强烈推荐，特点如下：
作为一个文科生，深知文化娱乐、旅游休闲、市场营销等领域正在迎接推荐算法的洗礼，传统的分析、内容生产，势必会发生改变。因此笔者一直关注技术领域，斥巨资（狗头保命
MVSO影视程序，精简UI，魔改超强SEO，程序对接360影视，和可以自己自定义苹果cms资源站接口，程序后端采用layuimini进行实现。
基于内容的推荐，最重要的不是推荐算法，而是内容分析。内容分析得越深入，哪怕最开始使用人为定制的规则也能起到不错的效果。
论文地址：https://dl.acm.org/doi/pdf/10.1145/3383313.3412238
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
