<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>采样算法 on 办公AI智能小助手</title>
    <link>https://blog.qife122.com/tags/%E9%87%87%E6%A0%B7%E7%AE%97%E6%B3%95/</link>
    <description>Recent content in 采样算法 on 办公AI智能小助手</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <copyright>qife</copyright>
    <lastBuildDate>Tue, 23 Sep 2025 22:01:47 +0800</lastBuildDate>
    <atom:link href="https://blog.qife122.com/tags/%E9%87%87%E6%A0%B7%E7%AE%97%E6%B3%95/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>图神经网络偏置采样提升商品推荐效果</title>
      <link>https://blog.qife122.com/p/%E5%9B%BE%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E5%81%8F%E7%BD%AE%E9%87%87%E6%A0%B7%E6%8F%90%E5%8D%87%E5%95%86%E5%93%81%E6%8E%A8%E8%8D%90%E6%95%88%E6%9E%9C/</link>
      <pubDate>Tue, 23 Sep 2025 22:01:47 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E5%9B%BE%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E5%81%8F%E7%BD%AE%E9%87%87%E6%A0%B7%E6%8F%90%E5%8D%87%E5%95%86%E5%93%81%E6%8E%A8%E8%8D%90%E6%95%88%E6%9E%9C/</guid>
      <description>&lt;h2 id=&#34;背景&#34;&gt;背景&lt;/h2&gt;&#xA;&lt;p&gt;电子商务网站经常根据客户查询推荐相关商品，例如为购买手机的用户推荐手机壳。产品关系通常用有向边图表示，边的关系只能单向流动：向购买手机的用户推荐手机壳合理，但反向推荐则不合适。&lt;/p&gt;</description>
    </item>
    <item>
      <title>局部后验采样的可扩展基准测试</title>
      <link>https://blog.qife122.com/p/%E5%B1%80%E9%83%A8%E5%90%8E%E9%AA%8C%E9%87%87%E6%A0%B7%E7%9A%84%E5%8F%AF%E6%89%A9%E5%B1%95%E5%9F%BA%E5%87%86%E6%B5%8B%E8%AF%95/</link>
      <pubDate>Sat, 13 Sep 2025 19:49:58 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E5%B1%80%E9%83%A8%E5%90%8E%E9%AA%8C%E9%87%87%E6%A0%B7%E7%9A%84%E5%8F%AF%E6%89%A9%E5%B1%95%E5%9F%BA%E5%87%86%E6%B5%8B%E8%AF%95/</guid>
      <description>&lt;h1 id=&#34;从全局到局部局部后验采样的可扩展基准测试&#34;&gt;从全局到局部：局部后验采样的可扩展基准测试&lt;/h1&gt;&#xA;&lt;p&gt;退化是神经网络损失景观的固有特征，但随机梯度MCMC（SGMCMC）算法如何与这种退化特性交互尚未得到充分理解。特别值得注意的是，当前常见SGMCMC算法的全局收敛保证所依赖的假设，很可能与退化损失景观不相容。&lt;/p&gt;</description>
    </item>
    <item>
      <title>有偏图采样优化关联商品推荐技术</title>
      <link>https://blog.qife122.com/p/%E6%9C%89%E5%81%8F%E5%9B%BE%E9%87%87%E6%A0%B7%E4%BC%98%E5%8C%96%E5%85%B3%E8%81%94%E5%95%86%E5%93%81%E6%8E%A8%E8%8D%90%E6%8A%80%E6%9C%AF/</link>
      <pubDate>Sat, 06 Sep 2025 04:22:15 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E6%9C%89%E5%81%8F%E5%9B%BE%E9%87%87%E6%A0%B7%E4%BC%98%E5%8C%96%E5%85%B3%E8%81%94%E5%95%86%E5%93%81%E6%8E%A8%E8%8D%90%E6%8A%80%E6%9C%AF/</guid>
      <description>&lt;h1 id=&#34;有偏图采样优化关联商品推荐技术&#34;&gt;有偏图采样优化关联商品推荐技术&lt;/h1&gt;&#xA;&lt;h2 id=&#34;研究背景&#34;&gt;研究背景&lt;/h2&gt;&#xA;&lt;p&gt;电子商务平台经常需要向用户推荐与查询商品相关的产品，例如为购买手机的用户推荐手机壳。产品关系通常用有向边图表示，其中边关系具有单向性：向购买手机的用户推荐手机壳合理，但反向推荐则不合适。&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
