Attention.XML: 由用户点击统计的行为分析想到的

最新推荐文章于 2026-06-15 13:03:18 发布
原创 最新推荐文章于 2026-06-15 13:03:18 发布 · 212 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
博客指出点击统计对用户行为分析重要，但基于客户端JavaScript的点击统计易伪造。探讨了搜索引擎利用点击统计分析成果的可能方式，如运用TrustPeople机制，还提及基于Google History的点击行为分析及GMail用户点击行为对筛选高质量网站的作用，强调搜索引擎竞争是信用系统的竞争。

我看了：Attention.XML - RSS延伸技术 | Owen's Blog - 文心

点击统计对于用户行为分析的确非常重要，而Google很早就开始记录用户在搜索结果中的点击，但是即使是基于客户端JavaScript触发的点击统计也是很容易伪造的：不是有Referer SPAM吗？作为搜索引擎会如何利用基于用户点击统计的分析成果呢？我想有可能是基于Social Network的信用机制运用到搜索引擎的分级机制中，从某种程度上可以称之为TrustPeople机制吧。

如果基于Google History的可能点击行为分析：
机器整理==>高端专家筛选==>机器发现：无论是HillTop还是TrustRank，核心都是一个高质量“专家级”种子网站的动态选取问题。

将GMail用户的点击行为记录下来并用于对高质量网站的区分和筛选是很有帮助的：因为GMail的用户通过邀请机制本身就形成了一个信用金字塔，离邀请内圈越近，其可信任度越高。GMail邀请圈的内圈人士也往往会是最大的“信息狂热份子”：他们对信息的挖掘和再生产程度都是非常深入的：通过他们也经常能动态发现一些新的动向（也许这就是需要体现：“群智”SocialBrain的地方了吧）。

搜索引擎的竞争归根结底是搜索引擎信用系统的竞争，而信用系统充分体现了搜索引擎开发者的价值观和搜索引擎用户的使用水平。

作者： 车东 发表于：2005-04-30 02:04 最后更新于：2007-04-15 19:04
版权声明：可以转载，转载时请务必以超链接形式标明文章 的原始出处和作者信息及 本版权声明。

« RSS： 简单协议使得互联网可编程 | (回到Blog入口)|(回到首页) | RSS在线服务的一些发展方向 »

车东-csdn
关注
AttentionXML：“ AttentionXML：用于高性能极端多标签文本分类的基于标签树的Attention-Aware深度模型”的实现
02-06
注意XML 要求 python == 3.7.4 点击== 7.0 ruamel.yaml == 0.16.5 numpy == 1.16.2 scipy == 1.3.1 scikit学习== 0.21.2 gensim == 3.4.0 火炬== 1.0.1 nltk == 3.4 tqdm == 4.31.1 joblib == 0.13.2 logzero == 1.5.0 数据集 下载GloVe嵌入（840B，300d）并将其转换为gensim格式（可以由gensim.models.KeyedVectors.load加载）。 我们还在提供转换后的GloVe嵌
Attention+：一种基于关注关系与多用户行为的图推荐算法
yimiaomochu的博客
04-07 1771
刘梦娟, 王巍, 李杨曦,等. AttentionRank~+:一种基于关注关系与多用户行为的图推荐算法[J]. 计算机学报, 2017(3).基于Random Walk的TSPR算法该算法采用一阶Markov-chain计算游走 概 率。方法如下：分别从每个用户节点出发，在“用物品”二分图上进行一轮Random Walk；每当到达 一个节 点 时，需要判断是以概β继续向下游走，还是以1-β概率返回
AttentionXML: Label Tree-based Attention-Aware Deep Model for High-Performance Extreme Multi-Label
candy134834的博客
09-15 2975
摘要 对于极大规模文本分类问题,传统方法主要是采用bag_of_words方法，该方法忽略了词的上下文以及深层语义信息，尝试用深度学习的方法解决BOW 产生的问题，但是仍然面临两个问题：a.对于每个标签无法捕获最重要的文本信息；b.针对大量label缺少可扩展性。因此作者提出一种基于树标签的深度学习模型，AttentionXML ，它的创新点主要有两个： 提出了multi-label attention mechanism，该机制能捕获和每个标签最相关的部分，即对于不同的标签有不同的文本表示。
极端多标签文本分类新星：AttentionXML深度模型
gitblog_00080的博客
05-28 614
极端多标签文本分类新星：AttentionXML深度模型 在当今数据驱动的时代，处理大规模的多标签文本分类任务变得日益重要，尤其是在互联网内容分析、文档分类等领域。今天，我们向您隆重推荐一个尖端的技术解决方案——AttentionXML，它是一个基于标签树的注意力感知深度模型，专为追求极致性能的极端多标签分类而设计。 项目介绍 AttentionXML是由You等人提出的，并在NeurIPS 20...
论文阅读笔记｜大规模多标签分类研究概览
Meiling_up
03-10 1858
大规模多标签文本分类概述
自然语言处理中的Attention Model：是什么及为什么
热门推荐
张俊林的博客
01-20 11万+
  /* 版权声明：可以任意转载，转载时请标明文章原始出处和作者信息 .*/                                                        author: 张俊林                                                  （想更系统地学习深度学习知识？请参考：深度学习枕边书） 要是关注深度学习在自然...
目标检测图像数据集:校园教室课堂监控学生行为数据集-数据集第10061期
QQ_1309399183的博客
08-28 960
目标检测图像数据集:校园教室课堂监控学生行为数据集-数据集第10061期
CAPTCHA攻防演进史：从字符识别到行为生物识别
最新发布
frank1998819
06-15 769
CAPTCHA（全自动区分计算机和人类的图灵测试）是Web安全中基础而关键的对抗机制，其本质是利用人机认知差异构建信任边界。随着人工智能技术持续突破图像识别、序列建模与行为分析能力，防御逻辑已从早期基于OCR弱点的扭曲文本验证，演进为融合深度学习、时序建模（如CRNN+CTC）与多维行为指纹（鼠标轨迹、键盘节奏、Canvas/WebGL特征）的实时风控系统。当前主流方案如reCAPTCHA v3和Cloudflare Turnstile，不再依赖用户主动答题，而是通过无感采集与上下文建模实现细粒度风险评分，
近日关注：Java开发人员书房必备
Zero'Coffee
05-28 2359
 2005-5-2[计算机图书; java] Java开发人员书房必备 # 笔者这两年陆陆续续的看了几位专家有关Java开发人员需要阅读的好书籍介绍，现在又看到XP专家Roy Miller有关Java开发人员必备书籍的介绍，觉得有必要将几位专家的意见综合一下，选出几本公认的书来，供各位朋友们参考。 [互联网; 淘宝] 淘宝的10亿和一条几乎被干掉的新闻 # 面对爆冷的数据，如果只是一面之词，并无第
DeepSeek-R1三款模型底层差异深度解析：注意力机制与Tokenizer行为对比
weixin_30256901的博客
06-05 355
大语言模型选型不能只看参数量，核心在于架构设计如何影响实际推理表现。动态稀疏注意力（DSA）、分组查询注意力（GQA）和滑动窗口注意力代表了不同长程建模路径，直接决定上下文理解能力与工具调用稳定性；而Tokenizer的子词切分逻辑——如中文整词/字粒度、版本号保留、XML标签处理等——深刻影响结构化数据解析精度。这些底层机制共同构成模型在SQL生成、API文档处理、多步逻辑编排等高精度任务中的性能边界。本文聚焦DeepSeek-R1系列三大变体，从注意力约束、tokenization行为、训练数据配比到部
【论文阅读】深入理解Attention机制
Slow down, Keep learning and Enjoy life
03-16 5万+
深入理解Attention机制
基于用户历史行为数据的广告推荐模型
guoyuhaoaaa的博客
07-23 8496
今天我们来讲解三篇利用用户历史行为数据建模的广告推荐模型，相比于传统的广告推荐模型，他针对用户历史行为进行了更好的建模，部分模型甚至仔细考虑了用户行为之间的时间间隔信息。 第一篇主要参考了IJCAI 2018年的paper《A Brand-level Ranking System with the Customized Attention-GRU Model》。首先来说这个广告预测推荐的场景比较...
史上最小白之Attention详解
Tink1995的博客
03-24 11万+
1.前言 说到attention机制，那可真是太牛逼了。不会attention都不好意思说自己视深度学习从业者，那么今天我们就来一步一步剖析一下这近几年来最火的深度学习模型。 2.Encoder-Decoder 2.1Encoder-Decoder简介 Encoder-Decoder框架顾名思义也就是编码-解码框架，目前大部分attention模型都是依附于Encoder-Decoder框架进行实...
bert 是单标签还是多标签 的分类_标签感知的文档表示用于多标签文本分类（EMNLP 2019）...
weixin_33146151的博客
12-12 473
原文：Label-Specific Document Representation for Multi-Label Text Classification（EMNLP 2019）多标签文本分类摘要：本文使用标签相关的注意力网络学习文档表示。该方法在构建文档表示时使用了标签的语义信息来决定标签和文档的语义联系。并且，根据文档内容信息，使用了自注意力机制识别标签特定的文档表示。为了整合以上两部分，使用了自...
attention各种形式总结
向着星辰大海
06-23 6万+
hard attention 记stst s_{t} 为decoder第 t 个时刻的attention所关注的位置编号 stistis_{ti} 表示第 t 时刻 attention 是否关注位置 i stisti s_{ti} 服从多元伯努利分布(multinoulli distribution)， 对于任意的 t , sti,i=1,2,...,Lsti,i=1,2,...,Ls_{t...
XML解析总结
Attention_0的博客
09-06 319
这几天学习了xml，最后做一下总结： XML的三种解析方式：1、DOM解析；2、SAX解析；3、DOM4J解析。 推荐使用dom4j方式来解析xml。 一、DOM解析 DOM解析会将文档全部加载到内存当中，在内存中生成一个树文档对象，因为每一个xml文档都有一个根元素，加载到内存中后，该根元素就是树文档的根，从而可以获取该根元素，进行解析文档。 优点： 因为整个文档都已经在内...
[深度学习] 自然语言处理 --- 文本分类模型总结
摩登都市天空---专栏
07-23 2万+
文本分类 包括基于word2vec预训练的文本分类，与及基于最新的预训练模型（ELMO，BERT等）的文本分类 fastText 模型 textCNN 模型 charCNN 模型 Bi-LSTM 模型 Bi-LSTM + Attention 模型 RCNN 模型 Adversarial LSTM 模型 Transformer 模型 ELMO 预训练模型 BERT 预训练模型 ...
多标签文本分类研究进展概述
yueyue129a的博客
05-17 5875
     基于标签语义注意力的多标签文本分类 一、研究背景 什么是多标签文本分类？    现实生活中很多对象是同时属于多个类别,具有多个标签。 传统的多标签文本分类与该论文的对比         传统的多标签文本分类算法将标签视为没有语义信息的符号,然 而,在许多情况下,文本的标签是具有特定语义的,标签的语义信息和文档的内容信息是有对应关系的
attention 机制入门
极客X养成计划
07-28 821
在下面这两篇文章中都有提到 attention 机制：使聊天机器人的对话更有营养如何自动生成文本摘要今天来看看 attention 是什么。下面这篇论文算是在NLP中第一个使用attention机制的工作。他们把attention机制用到了神经网络机器翻译（NMT）上，NMT其实就是一个典型的sequence to sequence模型，也就是一个encoder to decoder模型htt
自然语言处理中的Attention机制总结
CODE and POEM
08-22 10万+
       在面试的过程中被问到了attention，原来虽然其实已经实际用过attention了，也知道个大概原理是加权求和，但是对于加权的具体方法以及权值得分的计算并不是很清晰，面试答的一般，正好最近实习的地方
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值