Nakaizura Blog Index（博文目录索引）
博文目录索引
整理下 悠闲会翔二 的博客分类，只按时间分有点乱。鉴于大家水平都太高，调整基础理论顺序到后面。
- 三. 应用领域：推荐，检索，多媒体和多模态，计算机视觉，自然语言处理，大模型，金融量化
- 二. 进阶技术：生成对抗，强化学习，图神经网络，其他
- 一. 基础理论：机器学习基础，深度学习基础
- 四. 其他：备忘和github
三. 应用领域
分为：推荐，检索，多模态，计算机视觉，自然语言处理，大模型相关，金融量化
推荐系统与检索系统
| 文章名 | 传送门 | 内容概要 |
|---|---|---|
| CF，MF | 门 | 传统推荐系统 |
| FM，NFM | 门 | 高阶特征组合 |
| DeepFM，AFM | 门 | NN进军 |
| NCF | 门 | MLP代替内积 |
| BPR | 门 | 成对比较 |
| ONCF | 门 | 卷积捕捉 |
| 推荐系统综述 | 门 | 深度学习技术在推荐系统中的常用技术手段 |
| 可解释性与TEM | 门 | TEM |
| 工业实践的读书笔记 | 门 | 《强化学习在阿里的技术演进与业务创新》 |
| 注意力用于推荐系统问题 | 门 | DIN，DIEN，BERT4Rec |
| 知识蒸馏用于推荐系统问题 | 门 | KD，PKD |
| 胶囊网络用于推荐系统问题 | 门 | MIND，CARP |
| 知识图谱用于推荐系统问题 | 门 | MKR，KTUP，KGAT |
| 知识图谱用于推荐系统问题 | 门 | CKE，RippleNet |
| 知识图谱用于推荐系统问题 | 门 | MVIN，KERL，CKAN，KRED，GAEAT |
| 图神经网络用于推荐系统问题 | 门 | PinSage，EGES，SR-GNN |
| 图神经网络用于推荐系统问题 | 门 | NGCF，LightGCN |
| 图神经网络用于推荐系统问题 | 门 | IMP-GCN，LR-GCN |
| 图神经网络用于推荐系统问题 | 门 | SURGE，GMCF，TASRec |
| 图神经网络用于检索系统问题 | 门 | GraphCM，FNPS，GRAPH4DIV |
| 用户行为和属性用于推荐系统问题 | 门 | MBGCN，AGCN |
| 多模态信息用于推荐系统问题 | 门 | MMGCN，MKGAT |
| 多模态信息用于推荐系统问题 | 门 | MMDIN，hyperCTR |
| 多模态信息用于推荐系统问题 | 门 | PMGT，MM-Rec，MGAT，TransRec |
| 多模态知识图谱 | 门 | MMKG |
| 异构图神经网络用于推荐系统问题 | 门 | ACKRec，HFGN |
| 对比学习用于推荐系统问题 | 门 | SSL，S^3-Rec，SGL，DHCN |
| 自监督学习用于推荐系统问题 | 门 | Survey |
| 图对比学习用于推荐系统问题 | 门 | NCL，SimGRACE，ClusterSCL |
| 提示学习用于推荐系统问题 | 门 | PEPLER，P5，PRL |
| 提示学习用于推荐系统问题 | 门 | PPR，PFRec |
| Twitter开源时间线推荐架构整理 | 门 | 推特源码 |
| Twitter推荐系统的可信和安全模块解析 | 门 | 推特源码 |
| LLM大模型用于推荐系统 | 门 | Chat-REC、InstructRec |
| 文章名 | 传送门 | 内容概要 |
|---|---|---|
| 智能信息检索 | 门 | 智能信息检索综述 |
| 检索召回技术 | 门 | 检索召回技术综述 |
| 信息检索预训练 | 门 | 信息检索预训练综述 |
| 图神经网络检索系统 | 门 | GraphCM，FNPS，GRAPH4DIV |
| LLM大模型用于信息检索 | 门 | HyDE、UDAPDR |
多媒体与多模态
| 文章名 | 传送门 |
|---|---|
| 多模态融合 | 门 |
| 跨模态检索 | 门 |
| 跨模态视频时刻检索 | 门 |
| 多样性检索 | 门 |
| AVS跨模态视频检索 | 门 |
| 零样本跨模态检索 | 门 |
| 多标签图像分类 | 门 |
| 跨模态视频字幕生成 | 门 |
| 跨模态字幕生成新任务 | 门 |
| 多模态信息用于推荐1 | 门 |
| 多模态信息用于推荐2 | 门 |
| 多模态信息用于推荐3 | 门 |
| 跨模态预训练 | 门 |
| 预训练模型选用指南 | 门 |
| CLIP 和 DALL-E | 门 |
| CLIP在视频领域的应用 | 门 |
| 多模态预训练Prompt | 门 |
| 多模态预训练Prompt续篇 | 门 |
| MIM | 门 |
| 多模态知识图谱 | 门 |
| 不完整多模态学习 | 门 |
| 扩散模型 | 门 |
| 扩散模型的应用 | 门 |
| 具身智能 | 门 |
| 多模态中的指令控制 | 门 |
| Visual ChatGPT，PICa，MM-REACT，MAGIC | 门 |
| Flamingo, BLIP-2，KOSMOS-1，ScienceQA | 门 |
| MiniGPT-4，LLaVA，mPLUG-Owl，InstuctBLIP，X-LLM | 门 |
| PALM-E，ArtGPT-4，VPGTrans | 门 |
计算机视觉
| 文章名 | 传送门 | 内容概要 |
|---|---|---|
| 目标检测 | 门 | R-CNN，SPP，Faster RCNN |
| 目标检测 | 门 | YOLO，FPN，RetinaNet，SSD |
| Video Understanding | 门 | I3D，SlowFast，Non-local等等 |
| 胶囊网络与源码解析 | 门 | 三代胶囊网络 |
| 视觉场景图检测 | 门 | 场景图 |
| 行人重识别 | 门 | ReID |
| Vision Transformer | 门 | iGPT，ViT，DERT，IPT，TransReID，TransGAN |
| Vision MLP | 门 | MLP-Mixer，RepMLP，ResMLP，gMLP，aMLP |
| Vision MLP | 门 | CycleMLP，Swin Transformer，ConvMixer |
| MIM | 门 | MAE，iBOT，Data2vec |
| 扩散模型 | 门 | Diffusion Model，DDPM，GLIDE，DALLE2，Stable Diffusion |
| 扩散模型的应用 | 门 | DiffusionDet，AR-LDM，MagicVideo，RenderDiffusion，AltDiffusion，VD |
自然语言处理
| 文章名 | 传送门 | 内容概要 |
|---|---|---|
| NNLM，word2vec，GloVe | 门 | 词嵌入方法 |
| Attention 2 Transformer | 门 | 各种注意力合集 |
| Transformer变体 | 门 | Star-Transformer，Transformer-XL |
| Transformer变体 | 门 | Sparse Transformer，Longformer，Switch Transformer |
| Transformer变体 | 门 | Routing Transformer，Linformer，Big Bird |
| ELMo，GPT，BERT，XLNet | 门 | 预训练 |
| 多任务学习 | 门 | MT-DNN，ERNIE2.0 |
| 对比学习应用 | 门 | SimCSE，CLEAR，DeCLUTR，DiffCSE |
| 预训练新范式 | 门 | Prompt-tuning，Prefix-tuning，P-tuning |
| Prompt的应用 | 门 | MAnTiS，ActionCLIP，CPT，CoOp |
| Prompt的应用 | 门 | PEPLER，P5，PRL |
| 开放域信息抽取 | 门 | 开放域信息抽取综述 |
| Instruction Tuning | 门 | FLAN、instructGPT、chatGPT |
大模型相关
| 文章名 | 传送门 |
|---|---|
| BloombergGPT（LLM大模型用于金融科技） | 门 |
| ChatIE（LLM大模型用于信息抽取） | 门 |
| ChatDoctor（LLM大模型用于医疗对话） | 门 |
| Chat-REC、InstructRec（LLM大模型用于推荐系统） | 门 |
| HyDE、UDAPDR（LLM大模型用于信息检索） | 门 |
| LLMs开源模型们和数据集简介 | 门 |
| LLMs开源模型们的分布式训练和量化 | 门 |
| Augmented Language Models（增强语言模型） | 门 |
| Toolformer and Tool Learning（LLMs如何使用工具） | 门 |
| 工具学习的应用（HuggingGPT、AutoGPT、WebGPT、WebCPM） | 门 |
| 基于LLMs的多模态大模型（Visual ChatGPT，PICa，MM-REACT，MAGIC） | 门 |
| 基于LLMs的多模态大模型（Flamingo, BLIP-2，KOSMOS-1，ScienceQA） | 门 |
| 基于LLMs的多模态大模型（MiniGPT-4，LLaVA，mPLUG-Owl，InstuctBLIP，X-LLM） | 门 |
| 基于LLMs的多模态大模型（PALM-E，ArtGPT-4，VPGTrans ） | 门 |
金融量化学习
| 文章名 | 传送门 |
|---|---|
| 随机游走 | 门 |
| ARMA，ml-XGBoost，dl-LSTM | 门 |
| Q，DQN，AC | 门 |
| BloombergGPT（LLM大模型用于金融科技） | 门 |
二. 进阶技术
分为：生成、强化、图和其他知识
生成技术
| 文章名 | 传送门 |
|---|---|
| GAN，DCGAN | 门 |
| CGAN、CycleGAN、CoGAN | 门 |
| WGAN、SAGAN、BigGAN | 门 |
| 扩散模型 | 门 |
| 扩散模型的应用 | 门 |
强化学习技术
| 文章名 | 传送门 |
|---|---|
| Q-learning，Sarsa | 门 |
| Double/Prioritised Replay/Dueling DQN | 门 |
| Policy Gradient，Actor Critic | 门 |
| DDPG，AC3，DPPO | 门 |
| Dyna-Q，Dyna2 | 门 |
| MADDPG，Minimax-Q，Nash Q-Learning | 门 |
| Embodied AI | 门 |
图神经网络技术
| 文章名 | 传送门 |
|---|---|
| 图技术基础 | 门 |
| GCN | 门 |
| DeepWalk，LINE，Node2vec | 门 |
| SDNE，Graph2vec，GraphGAN | 门 |
| GraphSAGE，GAT | 门 |
| 异质图神经网络 | 门 |
| 图预训练 | 门 |
| 图预训练与微调的差异 | 门 |
| 多跳扩散图 | 门 |
| GAE，GVAE，ARGA | 门 |
| 知识图谱补全 | 门 |
| 图结构学习综述 | 门 |
| 图结构学习应用 | 门 |
| 图结构学习应用续篇 | 门 |
| 图对比学习的应用 | 门 |
其他
此处比较杂，暂时没分类
| 文章名 | 传送门 | 内容概要 |
|---|---|---|
| 主动学习 | 门 | 主动学习 |
| 无监督学习 | 门 | 无监督学习–生成方法 |
| 对比学习 | 门 | 无监督学习 --对比方法，MoCo，SimCLR，BYOL，SimSiam |
| 对比学习应用 | 门 | CLCaption，C-SWM，CMC |
| 对比学习应用 | 门 | LCGNN，GraphCL，XMC-GAN |
| 对比学习应用 | 门 | SSL，S^3-Rec，SGL，DHCN |
| 对比学习应用 | 门 | SimCSE，CLEAR，DeCLUTR，DiffCSE |
| 图对比学习 | 门 | NCL，SimGRACE，ClusterSCL |
| 迁移学习 | 门 | 领域自适应 |
| 元学习 | 门 | 元学习与少样本学习 |
| 智能信息检索 | 门 | 智能信息检索综述 |
| 检索召回技术 | 门 | 检索召回技术综述 |
| 信息检索预训练 | 门 | 信息检索预训练综述 |
| 开放域信息抽取 | 门 | 开放域信息抽取综述 |
| 具身智能 | 门 | 具身智能综述和应用 |
| 极限多标签学习 | 门 | 极限多标签学习综述 |
| 增强语言模型 | 门 | ALMs |
| 工具学习 | 门 | Toolformer and Tool Learning |
| 工具学习的应用 | 门 | HuggingGPT、AutoGPT、WebGPT、WebCPM |
一. 基础理论
分为：机器学习和深度学习
机器学习基础
| 文章名 | 传送门 | 内容概要 |
|---|---|---|
| kNN | 门 | k-近邻 |
| 决策树 | 门 | ID3，C4.5，CART |
| 贝叶斯 | 门 | 贝叶斯 |
| 线性回归 | 门 | 线性回归，梯度下降，正则化 |
| 逻辑回归 | 门 | 逻辑回归，常用损失函数整理，MLE和MAP |
| 感知机与径向基 | 门 | 感知机与径向基 |
| 支持向量机 | 门 | SVM |
| 集成学习 | 门 | AdaBoost，GBDT，Xgboost |
| EM算法 | 门 | 推导及多角度推导 |
| k-means聚类 | 门 | 原型聚类 |
| 高斯混合聚类 | 门 | 混合聚类 |
| DBSCAN聚类 | 门 | 密度聚类 |
| 层次聚类 | 门 | 层次聚类 |
| 谱聚类 | 门 | 谱图聚类和其他如网格聚类 |
| 关联分析 | 门 | Apriori |
| FP-growth | 门 | 基于Apriori的频繁模式增长 |
| PageRank | 门 | 图查询，图计算，图表示，图特征，链接分析 |
| 典型关联分析 | 门 | CCA关联分析 |
| PCA和LDA | 门 | 降维技术 |
| 机器学习信息论 | 门 | 熵和各种熵 |
| MCMC采样 | 门 | 蒙特卡洛和马尔可夫 |
| AutoML | 门 | 自动机器学习 |
| Fine-tuning | 门 | TF上的fine-微调和keras迁移学习 |
| 数据挖掘实践指南 | 门 | 数据清洗，转换，特征选择，降维，指标 |
| 学生成绩预测和学业预警 | 门 | EERNNM，GHANN-EC，HHA |
深度学习基础
| 文章名 | 传送门 | 内容概要 |
|---|---|---|
| 神经网络 | 门 | NN基础，激活函数，初始化，调参，BN，优化器 |
| 玻尔兹曼机 | 门 | 能量式网络 |
| 卷积神经网络 | 门 | AlexNet，GoogleNet，ResNet，ShuffleNet，SEnet |
| 递归神经网络 | 门 | RNN，LSTM，BRNN，DeepRNN |
| 自编码器 | 门 | AE |
| 变分自编码 | 门 | 变分推理的推导 |
| 记忆网络和门控单元 | 门 | Memory和Gate |
| 知识蒸馏 | 门 | 蒸馏网络 |
| 主题模型 | 门 | 神经主题模型 |
四. 其他
| 文章名 | 传送门 | 内容概要 |
|---|---|---|
| 备忘 | 门 | 备忘的链接整理 |
| 源码解析和逐行笔记 | 门 | 开源 github |
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！