推荐算法

B站计算机毕业设计超人

计算机毕业设计Django+Vue.js高考推荐系统高考可视化大数据毕业设计(源码+LW文档+PPT+详细讲解)温馨提示：文末有 CSDN 平台官方提供的学长联系方式的名片！温馨提示：文末有 CSDN 平台官方提供的学长联系方式的名片！

计算机专业码农一枚

Python-flask框架基于推荐算法的在线课程推荐系统设计与实现-Pycharm django明确在线课程推荐系统的核心需求，包括用户注册登录、课程信息管理、推荐算法集成、用户交互界面等模块。采用Flask框架搭建后端服务，结合MySQL或PostgreSQL数据库存储用户和课程数据。推荐算法部分可选用协同过滤（基于用户或物品）、内容相似度或混合推荐策略。

计算机学姐

基于SpringBoot的服装购物商城销售系统【协同过滤推荐算法+数据可视化统计】作者：计算机学姐开发技术：SpringBoot、SSM、Vue、MySQL、JSP、ElementUI、Python、小程序等，“文末源码”。

陈天伟教授

人工智能应用- 预测化学反应：06. BERT 模型简介图 : 自然语言处理领域中的 BERT 模型BERT（Bidirectional Encoder Representations from Transformers）是一种深度学习模型，最初应用于自然语言处理领域。该模型的核心思想是对输入文本进行双向编码，从而提高对上下文语义的理解能力。

陈天伟教授

人工智能应用- 预测化学反应：02. 化学反应简介随着技术进步，我们已经能够精确控制并利用许多化学反应，创造出新材料、新药物，极大地改善了人类的生活质量。化学反应的广泛应用及其深远影响，使其成为推动人类文明进步的重要力量。

陈天伟教授

人工智能应用- 材料微观：06.GAN 三维重构2021 年 3 月，《自然·机器智能》杂志发表了一篇论文，提出了一种名为 SliceGAN 的深度学习模型，它能够利用二维图像重构出材料的三维微观结构。SliceGAN 采用生成对抗网络（GAN），并针对三维重构的关键问题进行了改进，成功解决了二维观测图像与三维微观结构之间的维度不匹配问题。

陈天伟教授

人工智能应用- 材料微观：07.SliceGAN 模型图 : 对三维结构进行二维切片SliceGAN 的工作原理与 GAN 类似。生成器负责生成材料的三维结构，而判别器则判断这些生成的三维结构是否合理。然而，SliceGAN 面临的一个关键问题是：我们通常并没有材料的三维结构数据，那么如何在训练样本缺失的情况下进行有效训练呢？

陈天伟教授

人工智能应用- 材料微观：04.微观结构：金属疲劳长期使用或极端工作环境可能导致金属材料内部微观结构变化，从而引发金属疲劳。例如，在航空航天领域，飞机机翼长期处于高强度应力状态，导致微观结构中出现微裂纹，这可能最终导致材料失效。通过显微镜观察微观结构的变化，科学家可以评估材料的疲劳程度和断裂风险，从而采取预防性维护措施，确保航空安全。

陈天伟教授

人工智能应用- 材料微观：01. 微观结构的重要性在材料科学领域，解析材料的微观结构对研究其性能和设计新材料至关重要。然而，直接获取材料的三维微观结构通常面临巨大技术挑战。这是因为我们只能通过显微镜观察材料的二维切片，而无法直接获取完整的三维形貌。为了解决这一问题，科学家们开发了一种名为SliceGAN 的人工智能模型，该模型能够从二维图像推测材料的三维微观结构，为材料科学研究提供了全新的工具。本节将探讨SliceGAN 的工作原理，并讨论人工智能在材料科学中的应用前景。

陈天伟教授

人工智能应用- 材料微观：03. 微观结构：纳米金在纳米材料领域，微观结构的变化可以赋予材料独特的物理和化学特性。例如，科学家们通过特定工艺制造出纳米级的金颗粒，这些特殊结构的纳米金颗粒展现出特有的生物相容性、低毒性和独特的光学特性。图展示了纳米金颗粒如何作为药物载体，精准运输抗癌药物至癌细胞内部，从而增强癌症治疗效果。

How Masters Tool Fixed My Digital DisasterIt all started on a hectic Tuesday morning. My laptop fan was screaming, my project folder looked like a digital jungle, and my coffee was already gone cold. I had three hours to deliver a client report that required converting image formats, compressing

陈天伟教授

人工智能应用- 人工智能交叉：05. 从 AlphaFold1 到 AlphaFold22018 年，谷歌旗下的 DeepMind 团队开始尝试使用人工智能技术预测蛋白质结构。在前人研究的基础上，他们开发了第 1 代系统，称为 AlphaFold1。这一系统通过分析蛋白质的氨基酸序列，并结合已有的生物学知识，对蛋白质结构进行预测。尽管AlphaFold1 取得了一定成果，但其预测精度尚未达到科学研究中的实用标准。然而，这一尝试为后续研究奠定了重要基础。

【算法竞赛】堆和 priority_queue《C语言：从基础到进阶》《编程工具的下载和使用》《C语言刷题》《算法竞赛从入门到获奖》《人工智能》《AI Agent》

冷启动问题：从原理到实践的完整指南冷启动是一个在推荐系统、机器学习和系统架构领域都非常重要的概念。🍎感兴趣的友友给博主点个关注吧，后期会继续更新~

RankMixer: Scaling Up Ranking Models in Industrial Recommenders近年来，大语言模型（LLMs）的快速发展激发了将推荐系统进行大规模扩展的研究兴趣，但在工业实践中仍面临两项关键挑战。第一，工业级推荐系统在训练和在线推理阶段必须满足严格的时延约束和高并发（QPS）需求，计算与服务成本受到强约束。第二，现有排序模型中大量由人工设计的特征交叉模块源自 CPU 时代，难以充分利用现代 GPU 的计算特性，导致模型计算利用率（Model FLOPs Utilization，MFU）较低，系统扩展性受限。

陈天伟教授

人工智能应用- 人工智能交叉：06.解析蛋白质宇宙图: AlphaFold 数据库中不同类型蛋白质的占比。图片来源：DeepMind blog。2022 年 7 月，DeepMind 宣布已完成对两亿种蛋白质的结构预测，覆盖了数百万个物种，包括动物、植物、细菌和真菌等，几乎囊括了人类已知的所有蛋白质。所有预测数据均被免费发布至 AlphaFold 数据库，供全球研究者使用。

陈天伟教授

人工智能应用- 人工智能交叉：01. 破解蛋白质结构之谜作为生命活动的基础，蛋白质的功能由其空间结构所决定，而准确解析蛋白质结构一直是生物学领域的重大挑战。传统实验方法虽然能够揭示蛋白质结构，但过程费时且成本高昂。AlphaFold 的出现极大地提高了蛋白质结构预测的速度和精度，为生命科学研究带来了革命性的突破。

陈天伟教授

人工智能应用- 推荐算法：05.推荐算法的社会争议推荐算法极大地降低了用户获取信息的时间成本，也有助于打破信息垄断。麻省理工学院（MIT）在 2021年发布的全球十大突破技术中指出：“TikTok 的推荐算法能够让普通人发布的内容获得与名人同等的关注，这是内容公平性的体现；而细分用户群体也能看到符合自己兴趣的内容，这是用户公平性的体现。”然而，推荐算法也带来了数据隐私、信息偏见和信息茧房等社会问题。

我做了一个基于知识图谱的图书推荐系统，踩了不少坑去年做毕设的时候，导师给了个课题：做一个图书推荐系统。一开始想的很简单，不就是协同过滤嘛，sklearn 调个包就完事了。结果导师说：“你这推荐出来的书，用户问你为什么推荐，你怎么解释？”

OneTrans：在工业级推荐系统中以单一 Transformer 实现特征交互与序列建模的统一框架在推荐系统中，扩展特征交互模块（例如 Wukong、RankMixer）或用户行为序列模块（例如 LONGER）已经取得了显著成果。然而，这两类工作通常沿着彼此独立的路径推进，这不仅阻碍了双向信息交互，也限制了统一优化与统一扩展能力。