安装docker
卸载旧版本的Docker
首先，确保卸载任何旧版本的Docker，以避免潜在的安装冲突和兼容性问题。sudo yum remove docker \docker-client \docker-client-latest \docker-common \docker-latest \docker-latest-logrotate \docker-logrotate \docker-engine
添加Docker软件包源
添加Docker的软件包源，以便从阿里云镜像仓库安装Docker。sudo yum install -y yum-utilssudo yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo
安装Docker
使用以下命令安装Docker社区版及其相关组件。sudo yum install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docke ...
人工智能
未读Rethinking the Evaluation for Conversational Recommendation in the Era of Large Language Models目前的CRS可以被分为两种类型： 基于属性的CRS，基于NLP的CRS 前者侧重于通过尽可能少的交互了解用户的实时偏好来实现成功的推荐；后者侧重于为用户提供更理想的对话体验。Challenge: 在基于属性的 CRS 中，Simulator的响应基于固定模板，忽略了对话的流程; 基于 NLP 的 CRS 虽然考虑了对话的流程，但评估是基于固定对话的，这可能会忽略对话推荐的交互性。
现有的用户模拟方法大多仅限于预定义的对话流或基于模板的话术，为了构建一个更灵活的User Simulator对CRS进行交互式评估， 本篇工作使用基于LLM设计了User Simulator，并考虑了两种类型的交互：基于属性的问答和自由形式的闲聊。
论文中通过实验论证指出，为什么在仅基于对话历史的情况下使用ChatGPT作为Recommender会出现准确率不高的情况：（1）缺乏明确的用户偏好：对话历史如果只有非常短的轮次 ...
1. SIM模型模型由GSU+ESU两部分组成：
通用搜索单元GSU: 从原始的任意长顺序行为数据中进行通用搜索，结合候选项的查询信息，得到与候选项相关的子用户行为序列
精确搜索单元ESU: 模拟候选项目与 SBS 之间的精确关系
对于GSU部分，模型提出了两种通用搜索方案：硬搜索Hard Search 和 软搜索Soft Search
r_i =
\begin{cases}
Sign(C_i=C_a) & hard-search \\
(W_b e_i) \odot (W_a e_a)^T & soft-search
\end{cases}硬搜索Hard Search: 根据item_category或item_id对behavior分成若干group，只检索与target item相同的group
软搜索Soft Search: 其中 $ W_a $ 和 $ W_b $ 为可训练参数，基于长期行为数据的辅助 CTR 预测任务进行训练。训练完成后，行为表示为 $ U_r=\sum_{i=1}^Tr_i e_i $ ，然后对每个行为表示和目标向量取内积，取分数最高的 Top-K 作 ...
1. 时间序列分解时间序列由两个组成要素构成：1、第一个要素是时间要素；2、第二个要素是数值要素。时间序列根据时间和数值性质的不同，可以分为时期时间序列和时点时间序列。
一般情况下，时间序列的数值变化规律有以下四种：长期变动趋势、季节变动规律、周期变动规律和不规则变动。
长期趋势： 长期趋势指的是统计指标在相当长的一段时间内，受到长期趋势影响因素的影响，表现出持续上升或持续下降的趋势，通常用字母T表示
季节变动： 由于季节的转变使得指标数值发生周期性变动，一般以月、季、周为时间单位，不能以年作单位，通常用S表示
循环变动： 循环变动通常以若干年为周期，在曲线图上表现为波浪式的周期变动。这种周期变动的特征变现为增加和减少交替出现，通常用C表示
不规则变动： 由某些随机因素导致的数值变化，这些因素的作用是不可预知和没有规律性的，因此对数值的变化影响变形为不规则变动， 通常用I表示
四种变动与指标数值最终变动的关系可能是叠加关系，也可能是乘积关系。
叠加模型： $ Y=T+S+C+I $乘积模型：Y=TSC*I
反映在具体的时间序列图上，如果随着时间的推移，序列的季节波动变得越来越大，则反映 ...
参考链接：https://xueqiu.com/4657085399/276192743?
https://zhuanlan.zhihu.com/p/678399088
超买和超卖✅ 超买（Overbought）定义：资产价格在短时间内上涨过快，超过了其实际价值，存在回调或下跌的风险。
特点：1. 多头情绪过于强烈。 2. 通常表示市场短期内涨得太多、太快。 3. 可能出现价格见顶或调整的信号。
例子：RSI（相对强弱指数）高于 70 常被认为是超买。
✅ 超卖（Oversold）定义：资产价格在短时间内下跌过快，低于其实际价值，存在反弹或上涨的机会。
特点：1. 空头情绪过于强烈。 2. 通常表示市场短期内跌得太多、太快。 3. 可能出现价格触底或反弹的信号。
例子：RSI 低于 30 常被认为是超卖。
蜡烛线（K线）
K线图以时间为横轴，价格为纵轴。每个交易日绘制一根蜡烛线，蜡烛线的实体表示开盘价和收盘价之间的范围，蜡烛线的上影线表示最高价，下影线表示最低价。若收盘价高于开盘价，蜡烛线实体为红色，表示价格上涨；若收盘价低于开盘价，蜡烛线实体为绿色，表示价格下跌。 此外，还有 ...
写在前面： 最近在肝两篇关于可解释推荐的论文，下面是写intro的过程中对related work发展脉络的一点总结
Neural Rating Regression with Abstractive Tips Generation for Recommendation (NRT)（使用GRU架构进行多任务可解释推荐）除了预测给定用户和目标的评级以外，模型还可以简洁的句子自动解释为tips（这里的Tips类似于Explanation，作者将其描述为“比评论更简洁，只需几句话就可以解释用户体验、感受和建议”）对于Tips的生成，作者采用GRU将user和item的潜在特征表示“翻译”为一个简洁的句子；对于评分预测，作者采用多层感知器将user和item的潜在特征表示映射到评分中
Learning to Generate Product Reviews from Attributes (Att2Seq)（使用LSTM架构进行多任务可解释推荐）作者提出了一种注意力增强的属性到序列模型，用于为给定的属性信息生成解释。属性编码器学习将输入属性表示为向量，序列解码器通过根据这些向量调节其输出来 ...
Web3
未读写在前面：前段时间把b站上北大肖老师的区块链课程速通了一遍，这里引一下csdn上的优质课程笔记，便于个人后续温习。博客链接：https://blog.csdn.net/qq_40378034/category_11862943.html课程链接：https://www.bilibili.com/video/BV1Vt411X7JF/
9、BTC-分叉分叉指的是，原来的系统中是一条链，现在分成了两条链。分叉可能是多种原因造成的，例如：
挖矿时两个节点差不多同时挖出矿，都会发布区块，这种分叉称为state fork，由于对区块链当前的状态有意见分歧而产生的分叉
分叉攻击（forking attack）也属于state fork，只不过这种意见分歧是人为造成的，这种情况也称为deliberate fork
比特币协议改变，要修改比特币协议需要软件升级，在去中心化的系统中，没办法要求所有的节点都升级软件。假设大部分节点升级了软件，少部分节点没有升级（可能是没来得及升级，也可能是不同意协议的修改），这时候也会出现分叉，这种分叉称为protocol fork，即对比特币协议产生了分歧，使用不同版 ...
写在前面：前段时间把b站上北大肖老师的区块链课程速通了一遍，这里引一下csdn上的优质课程笔记，便于个人后续温习。博客链接：https://blog.csdn.net/qq_40378034/category_11862943.html课程链接：https://www.bilibili.com/video/BV1Vt411X7JF/
1、ETH-以太坊概述比特币和以太坊是两种最主要的加密货币，比特币被称为区块链1.0，以太坊被称为区块链2.0
以太坊在系统设计上针对比特币运行过程中出现的问题进行了改进，比如：
出块时间，比特币的区块时间是10分钟，以太坊的出块时间大幅度降低到了十几秒，而且为了适应这种新的出块时间，以太坊还设计了一套基于GHOST的共识机制
以太坊的另一个改进就是挖矿使用的mining puzzle，比特币的mining puzzle是计算密集型的，比拼的是计算哈希值的算力，这样造成的结果是挖矿设备的专业化，这样跟以前宣扬的去中心化的理念是不符合的，所以以太坊设计的mining puzzle对内存的要求就是很高的（memory hard mining puzzle）， ...
Web3
未读写在前面：前段时间把b站上北大肖老师的区块链课程速通了一遍，这里引一下csdn上的优质课程笔记，便于个人后续温习。博客链接：https://blog.csdn.net/qq_40378034/category_11862943.html课程链接：https://www.bilibili.com/video/BV1Vt411X7JF/
9、ETH-智能合约智能合约是以太坊的精髓，也是以太坊和比特币一个最大的区别
1）、什么是智能合约智能合约的本质是运行在区块链上的一段代码，代码的逻辑定义了智能合约的内容
智能合约的账户保存了合约当前的运行状态
balance：当前余额
nonce：交易次数
code：合约代码
storage：存储，数据结构是一棵MPT
Solidity是智能合约最常用的语言，语法上与JavaScript很接近
2）、智能合约的代码结构
Solidity是面向对象的编程语言，这里的contract类似于C++当中的类class，这里的contract定义了很多状态变量，Solidity是强类型语言，这里的类型跟普通的编程语言像C++之类的是比较接近的，比如说uint（ ...
写在前面：前段时间把b站上北大肖老师的区块链课程速通了一遍，这里引一下csdn上的优质课程笔记，便于个人后续温习。博客链接：https://blog.csdn.net/qq_40378034/category_11862943.html课程链接：https://www.bilibili.com/video/BV1Vt411X7JF/
1、BTC-密码学原理比特币被称为加密货币(crypto-currency)，但其实加密货币是不加密的，区块链上所有交易内容（包括账户地址、转账金额等）都是公开的。比特币中主要用到了密码学中的两个功能：哈希和签名
1）、hash（哈希）在密码学中用的哈希函数被称为cryptographic hash function，其两个重要性质分别为collision resistance（抗碰撞性）和hiding（隐藏性）
哈希碰撞：
有两个输入x和y，且x!=y，给定一个哈希函数H()，算出来H(x)=H(y)，则称为哈希碰撞，即两个不同的输入算出来的哈希值是相等的。一般来说，哈希碰撞是不可避免的，因为输入空间是远远大于输出空间的
collision resist ...
