时间: 2021-09-18 01:55:00 点击: 71次 来源:nba下注 - 小 + 大 nba下注
集智斑图最新论文栏目,关注复杂系统、网络科学、计算社会科学、统计物理等领域的前沿进展,每天即时更新相关顶刊论文,和最新arXiv预印本论文。
nba下注 BENWENSHIDUIJINQI arX iv LUNWENDE HUIZONGBIANYI(by CAIYUNXIAOYI)。GENGDUOZUIXINLUNWEN,QINGSAOERWEIMAHUOQU。
HEXINSUDI
JINGZHENG AI: JINGZHENGFANKUIRUHEYINGXIANGJIQIXUEXI;
nba下注 CAIYONG Twitter DEXINZHANGDUXIANZHI: 280SHIXINDE140MA?;
nba下注 KEKUOZHANZHISHITUFENXIDEYUYISHUXINGTU;
JIYUZHUTIDEZIMOKUAIZUIDAHUAZHONGXIAOXICHUANDIDEYINGXIANG;
PINGDENGXIESHANGJUECE;
JISUANJIMOXINGDEDINGYOUDAODIANZAIXIANBEIYESIXIAOZHENGJIQIZAICHIDUFENBIAN CFD MONIZHONGDEYINGYONG;
nba下注 LIZIWULISHIYANJIEGUODEKEZHONGFUXINGHEFUZHI;
JITIZHIHUIDEWANGLUOJIEGOU: XIAOZUTAOLUNDEOURANSHOUYI;
WANGLUOZHONGDEDENGJISHEQUJIEGOU;
LIYONGJUBUJIEGOUTEXINGTIGAOFENCENGSHEQUJIANCEFANGFADEXIAOLV;
nba下注 SHISHENMEYINSUDAOZHIRIBENDEXIANXIYINLEGENGDUODERENKOULIURU?;
FUZAWANGLUOCHIXUSHIJIANXIANGGUANKUOSANDONGLIXUEDEFENCENGCULIDUFANGFA;
JIYUZHUTIDEYINZANGDONGZUOSHEZHIYIGOUNEICUNYANJIU;
竞争 AI:
竞争反馈如何影响机器学习
原文标题:
Competing AI: How competition feedback affects machine learning
地址:
nba下注 http://pattern.swarma.org/paper?id=46debe2e-f7e1-11ea-b107-0242ac1a000a
作者:
Antonio Ginart,Eva Zhang,James Zou
摘要: 本文研究了竞争如何影响机器学习(ML)预测器。随着机器学习变得越来越普遍,它经常被公司用来争夺客户。例如,像 Yelp 这样的数字平台使用机器学习来预测用户偏好并提出建议。一个更经常被用户询问的服务,也许是因为它能更准确地预测用户的偏好,也更有可能获得额外的用户数据(例如 Yelp 评论的形式)。因此,相互竞争的预测器会导致反馈循环,预测器的表现会影响它接收到的训练数据,并随着时间的推移使预测偏差。nba下注引入了一个灵活的机器学习预测模型,使得快速实验和理论上的可处理性都成为可能。nba下注通过经验和数学分析表明,竞争导致预测者专门化特定的亚种群,而代价是比一般种群表现更差。nba下注进一步分析了预测专业化对用户整体预测质量的影响。nba下注的研究表明,在一个市场中拥有太少或太多的竞争预测器会损害整体的预测质量。nba下注的理论通过使用流行的学习算法,如神经网络和最近邻方法在几个真实数据集上的实验得到了补充。
采用 Twitter 的新长度限制:
280是新的140吗?
原文标题:
Adoption of Twitter's New Length Limit: Is 280 the New 140?
地址:
http://pattern.swarma.org/paper?id=a2a54b34-f89e-11ea-9fd9-0242ac1a000a
作者:
Kristina Gligori,Ashton Anderson,Robert West
摘要: nba下注2017年11月,推特将允许的最大推文长度从140个字符提高到280个字符,对于这个世界上最有影响力的社交媒体平台之一来说,这是一个巨大的转变。在第一个nba下注 Twitter 用户如何采用新长度限制的长期研究中,nba下注提出了这样一个问题: 新长度限制的影响是否与旧长度限制的影响相似?或者,限制的翻倍从根本上改变了 Twitter 被限制发布内容的方式?通过分析3年内 Twitter 1% 的公开样本,nba下注发现,当长度限制从140个字符提高到280个字符时,大约140个字符的发布率立即下降,而大约280个字符的发布率在6个月内稳步上升。尽管这个数字有所上升,但是接近长度限制的推文在转换之后远不如转换之前频繁。nba下注发现不同语言和客户端设备类型的采用率差异很大。在某种语言转换之前,tweets 的流行度大约为140个字符,这与转换之后 tweets 的流行度大约为280个字符密切相关,而且很长的 tweets 在网络客户端上比在移动客户端上更受欢迎。此外,切换后大约280个字符的推文在语法和语义上与切换前大约140个字符的推文相似,这两种情况都显示了信息压缩的模式。综上所述,这些发现表明,新的280个字符的限制是旧的140个字符限制的新版本,侵入性较小。长度限制仍然是所有使用 Twitter 数据的研究中应该考虑的一个重要因素。
可扩展知识图分析的语义属性图
原文标题:
Semantic Property Graph for Scalable Knowledge Graph Analytics
地址:
nba下注 http://pattern.swarma.org/paper?id=968c2674-f89e-11ea-9fd9-0242ac1a000a
作者:
Sumit Purohit,Nhuy Van
上一篇: 远程国际MBA免联考费用多少论文
XIAYIPIAN: MEIYOULE