V2EX = way to explore
V2EX 是一个关于分享和探索的地方
Sign Up Now
For Existing Member  Sign In
V2EX  ›  mayokaze  ›  全部回复第 2 页 / 共 7 页
回复总数  125
1  2  3  4  5  6  7  
❮ ❯
楼主考虑来上海吗?
2019 年 3 月 29 日
回复了 mayokaze 创建的主题 › 酷工作 › 上海互联网教育公司招各种算法岗
@1800x 我司至少算法这块从语音到视觉等都是自研的解决方案
2019 年 3 月 29 日
回复了 mayokaze 创建的主题 › 酷工作 › 上海互联网教育公司招各种算法岗
@welcome21984 对的... 是同事吗?
@ZinWUT 嗯 长期开放的
补充一下
1.职位要求只是对候选人一个普适的画像,不需要那么严格对号入座的,你如果有其他这里面没有提到的亮点也可以 show 一下 muscle
2.jd 相关,因为产品还没发布所以不方便透露太多,目前主要是做少儿 ai 英语教育,算法工程师主要职责是利用算法做知识点推荐,课程互动 ,多轮对话,语言能力(作业)评分 etc.
2017 年 7 月 12 日
回复了 chiyahoho 创建的主题 › 职场话题 › 给大家讲个事,我在入职前被华为单方面解约了
大佬有没有兴趣来做深度学习相关?我们这有接近一半是贵旦的人还有贵旦 acm final 队的
2017 年 5 月 14 日
回复了 fesiong 创建的主题 › 游戏 › 有没有一个比较休闲的手机玩的游戏推荐
碧蓝幻想很休闲的.jpg
2016 年 8 月 26 日
回复了 aidevs 创建的主题 › 问与答 › 非法关键词过滤系统该怎么做?有没有更好的思路?
ac 自动机
2016 年 8 月 7 日
回复了 mayokaze 创建的主题 › 程序员 › 写了一个基于正则求偏微分的正则逻辑运算库
@yangxin0 https://github.com/google/re2/blob/ee55a8f64d253bdf5bfa98e8d09901a5fb9ee13c/re2/set.cc 这是 re2 的统一自动机构建
https://github.com/google/re2/blob/ee55a8f64d253bdf5bfa98e8d09901a5fb9ee13c/re2/filtered_re2.cc
这是我前面提到的大量正则过滤模式
一般来说超过三位数的正则 filtered_re2 性能就要好于 set 了
2016 年 8 月 6 日
回复了 mayokaze 创建的主题 › 程序员 › 写了一个基于正则求偏微分的正则逻辑运算库
@7sDream 其实 NFA 转 DFA 状态是会指数爆炸的,现在主流的 dfa 引擎像 Google 的 re2 都只是做了部分转换也只能 handle 不超过三位数的并行匹配,对于更大数量的 Google re2 的做法是构建一个 ac 自动机,将每条正则的元字符组成字串塞进去,当一个 input 进来的时候如果匹配就将他加入 potential match list 最后匹配这个 list ,总之做法非常工程非常“ low ”(并不
2016 年 8 月 6 日
回复了 mayokaze 创建的主题 › 程序员 › 写了一个基于正则求偏微分的正则逻辑运算库
重新排版编辑了,简单来说是一个用 Haskell 写的可以对正则表达式求交集,子集和相等性的库,实际适用场景是像有海量正则需要同时过滤的时候用于消除冗余逻辑, 不过其实比起实际价值这种用抽象代数的方法计算正则表达式的形式更加值得关注。
2016 年 8 月 6 日
回复了 mayokaze 创建的主题 › 程序员 › 写了一个基于正则求偏微分的正则逻辑运算库
啊发现排版一塌糊涂忘了写 md_(:з」∠)_ 可是已经来不及编辑了....
2016 年 8 月 6 日
回复了 mayokaze 创建的主题 › 程序员 › 写了一个基于正则求偏微分的正则逻辑运算库
自己移好了...实在抱歉没认真看
2016 年 8 月 6 日
回复了 mayokaze 创建的主题 › 程序员 › 写了一个基于正则求偏微分的正则逻辑运算库
啊...发现发错区了...请 @livid 移动到技术区去吧
@menc 嗯 LDA 确实不太适合短文本,实际上我们自己的短文本聚类都是用 w2v+sparse encoding 做的
@lijinma 我们公司语料比较特殊,为了处理多语言分词是自己定制的。一般对于分词不准的情况可以使用 2gram ,就是比如“我爱北京天安门”分成 我爱 爱北 北京 京天 天安 安门
最简单的思路是做一个超级大的向量,对于词表里面的词如果这个用户提过就记 1 否则记 0 ,分布到向量空间里面通过求欧氏距离来做聚类,数据用 kd-tree 来存这样每次查找都是 log 时间了。但是你这样做维度肯定非常大,可以用 kmeans 直接聚中心点,我做过的 case 聚到 300 维效果还是非常好的
1  2  3  4  5  6  7  
❮ ❯
About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Privacy   ·   Solana   ·   1108 Online   Highest 6679   ·     Select Language
创意工作者们的社区
World is powered by solitude
VERSION: 3.9.8.5 · 21ms · UTC 23:09 · PVG 07:09 · LAX 15:09 · JFK 18:09
♥ Do have faith in what you're doing.