你知道Neo4j这是什么数据库吗？有什么用呢？
对于一个社交网络APP,一定会存在着错综复杂的用户关系以及用户属性，在数据库表的设计中除了要存储每个用户的姓名、性别、喜好这些基本信息外，还需要存储一个用户和哪些用户是朋友 ，和哪些用户是亲人等这些关系数据的用户关系，那Neo4j图数据库就该出场了。
RGCN的torch简单案例
RGCN 是指 Relational Graph Convolutional Network，是一种基于图卷积神经网络（GCN）的模型。与传统的 GCN 不同的是，RGCN 可以处理具有多种关系（边）类型的图数据，从而更好地模拟现实世界中的实体和它们之间的复杂关系。
RGCN 可以用于多种任务，例如知识图谱推理、社交网络分析、药物发现等。以下是一个以知识图谱推理为例的应用场景：
假设我们有一个知识图谱，其中包含一些实体（如人、物、地点）以及它们之间的关系（如出生于、居住在、工作于）。图谱可以表示为一个二元组 (E, R)，其中 E 表示实体的集合，R 表示关系的集合，每个关系 r ∈ R
阿里云国际短信费用价格表
阿里云国际短信费用价格表，阿里云国际短信费用价格表，印度短信0.216元一条、中国香港短信0.33元一条、美国短信0.053元一条、日本短信0.514元一条、俄罗斯短信1.02元一条、印尼短信1.01元一条、意大利短信0.565元一条、伊朗短信0.592元一条，阿里云国际短信支持东南亚、欧洲、非洲、美洲等国家和地区
序列特征在推荐算法中的应用
行为序列特征在推荐，广告等领域中有着广泛应用，最近几年涌现了很多有关行为序列的研究论文，讲解如何将行为序列应用到实际场景中。但是论文中的实际思想距离落地还有一段距离，因此本文先介绍一些论文中的序列特征的用法，然后介绍一下在大规模分布式推荐系统框架 EasyRec 中如何将序列特征快速落地，提升实际场景效果。
时序数据特征工程浅析
内容摘要特征工程是指将原始数据标记处理为价值密度更高，更容易解释目标问题的工程化过程，在面向大量原始采集的数据集统计分析，尤其是对于高通量持续采集、且价值密度较低的时序数据更是如此。时序数据特征工程则是指利用有效方法，将原始时序数据转化为带有含义分类标签的序列数据片段或特征数值，例如，我们可以将指定时间窗口序列数据标识为特定异常关联数据，并保留平均、最大、最小值作为该序列的特征值。这样我们就可以围