对推荐算法演化的几点体会
最近一段时间，由于工作需要一直在研究推荐算法。
通过对互联网信息的搜刮和对现有开源推荐算法的实践，总结出一些心得
遂吐个槽，发表出来与广大网友探讨，希望能得到应用推荐的正确姿势
先说问题吧：
目前推荐算法存在的问题
1.
DL应用：query生成和query推荐
引言 在机器翻译、图片描述、语义蕴涵、语音识别和文本摘要中，序列到序列的问题已经有太多大牛研究了，也取得了很多突破。谷歌的Attention is all you need[1],舍弃并超越了主流的rnn与cnn序列建模框架，刷出了新的state of the art,这种大胆创新的精神值得我们学习。
阿里巴巴机器学习系列课程
亲爱的同学们，福利来临！随着机器学习领域的发展越来越火，阿里云机器学习PAI为广大机器学习爱好的学生提供免费的一站式算法平台，该平台提供上百种算法，并且兼容TensorFlow、Caffe、MXNET等深度学习框架，学生们还可以免费使用M40 GPU卡，这么好的福利到哪里去领呢？
点击开通机器学习PAI：https://data.
murmur3哈希算法
murmur3哈希算法
murmur3非加密哈希算法
murmur3非加密哈希算法导图
据算法作者Austin Appleby描述，有c1, c2, n 三个常量用大量测试数据调测出来的，可以对数值进行微调。