机器学习日报 2015-01-04

@好东西传送门 出品, 过刊见 http://ml.memect.com

订阅：给 [email protected] 发封空信， 标题: 订阅机器学习日报

可点击加长版37条 http://memect.co/ml-list-2015-01-04

如何将一个网页的文本全部提取出来？

@SegmentFault

关键词：自然语言处理

给大家推荐两个好问题，一块来讨论讨论： [如何识别並提取网页正文？] [1] [如何将一个网页的文本全部提取出来？] [2]

[1] http://segmentfault.com/q/1010000002458278

[2] http://segmentfault.com/q/1010000002448667

腾讯深度学习系列文章

@36大数据网

关键词：深度学习, 视觉, 语音, 资源, GPU, 产业, 幻灯片

深度学习系列系列：Mariana——腾讯深度学习平台的进展与应用PPT [1] 深度学习在腾讯的平台化和应用实践（一） [2] Mariana DNN多GPU数据并行框架 微信语音是怎么来的？（二） [3] Mariana CNN并行框架与图像识别（三） [4]

[1] http://www.36dsj.com/archives/20222

[2] http://www.36dsj.com/archives/20176

[3] http://www.36dsj.com/archives/20186

[4] http://www.36dsj.com/archives/20200

把LSTM用于NLP的Parsing问题

@王威廉

关键词：深度学习, 资源, 自然语言处理, Geoffrey Hinton, Oriol Vinyals, PDF, 产业, 论文

在谷歌最新的深度学习论文中，Oriol Vinyals与Geoff Hinton等人把LSTM用到了NLP的Parsing问题上，并且得到了不错的结果。 [1]

[1] http://arxiv.org/pdf/1412.7449v1.pdf

奇异值分解

@火光摇曳Flickering

关键词：资源, 矩阵, 课程, 算法

奇异值分解（We Recommend a Singular Value Decomposition）:矩阵奇异值分解是本科数学课程中的必学部分，但往往被大家忽略。这个分解除了很直观，更重要的是非常具有实用价值。本文以几何的视角去观察奇异值分解的过程，并且列举一些奇异值分解的应用。 [1]

[1] http://t.jiathis.com/71Gdm

WSDM 2015将于1月31日~2月6日在上海举行

@李航博士

关键词：会议活动, Eric Xing, Jiafeng Gao, Jure Leskovec, Noah Smith, WSDM, 会议

欢迎大家参加 WSDM 2015 [1] @WSDM2015 @程学旗_ICTCAS @唐杰THU @黄萱菁 @张奇FDU @孙茂松 @邱锡鹏

[1] http://weibo.com/p/1001603792716378056005