1.ldaԴ??
2.bert和lda区别
3.利用TIMIT数据集做声纹识别，kaldi
4.VASP软件中文手册 | 第三章：安装、编译和维护 VASP软件

ldaԴ??

       在研究推荐和排序算法的过程中，DSSM（深度结构语义模型）是不可或缺的一部分。本文将详细介绍DSSM及其变体CNN-DSSM和LSTM-DSSM。

       论文链接：microsoft.com/en-us/res...

       源码：github.com/baharefatemi...

       简介

       现代搜索引擎在检索文章时，算命制作源码通常将文章中的关键字与query中的内容进行比较。然而，这种做法存在一个问题，即文字具有多义性，同样的含义可以用多种表达方式进行表达。因此，我们需要对query和document进行语义上的相似度匹配。

       通常，我们会使用隐语义模型LSA、LDA来衡量Query和Document之间的相似性。然而，由于LSA、LDA是无监督学习的模型，这些模型的效果并不符合预期。基于隐语义模型，有两种扩展：第一种是使用BLTM结合DPM来拟合query和document之间的关系，另一种方法是采用深度模型对query和document进行自编码，但这两种方法都是手机远程桌面源码app源码无监督的方法。

       本文针对搜索场景，提出了一系列深度网络语义模型（Deep Structured Semantic Models），模型的核心思想是：首先将query和document映射到同一个低维语义空间，然后通过cosine来计算query和document之间的距离。与之前的无监督学习模型不同，DSSM使用document的点击量进行训练，因此DSSM的效果要优于其他无监督模型。

       接下来，我们来看看DSSM是如何对query和document进行处理的。

       DSSM的结构采用DNN结构，将输入的query和document转换到低维的语义空间，然后计算他们的cosine相似度。

       语义特征计算部分，首先使用DNN网络将query和document从高维的空间转换到低维的空间。对输入的query和document假设他们是x，经过转换的向量为y，[公式]表示隐藏层，[公式]分别表示隐藏层的参数和偏置。

       最后一层采用tanh函数作为激活函数。最后将query和document映射到低维向量之后，我们采用cosine计算他们的相似度。

       为了解决query和document在第一层维度非常大的问题，本文提出了word hashing的流动性挖矿源码源码方法，来对文本进行降维。做法就是使用n-gram来表示一个词语，例如good，我们把它拆分成trigram：go goo ood od。

       为了训练DSSM，我们需要得到query和他们对应的点击的document。作者假设如果用户点击了某个document，那么这个query和document就是相关的。因此，作者认为DSSM的目标是最大化给定query所对应的document的条件似然函数。条件似然函数的计算方式为：[公式]。其中，[公式]是平滑参数，D是针对query的所有可能相关的document集合，[公式]表示和query有关的且用户点击的document。

       有了以上的介绍，我们所要最大化的条件似然函数就是[公式]。因此，loss函数就是：[公式]。文中作者采用梯度下降法来最大化loss函数。

       作者收集了现实生活中用户搜索的日志作为实验的数据集，这份数据包含条用户query，平均每条query包含条url。燕窝溯源码中检溯源码每一个(query, document)的相关性分为5档，分别是0~4分，得分是人工评价的。模型的排序效果通过NDCG来衡量，这是推荐系统常见的评价指标，具体就是评价推荐给用户的内容是否是用户感兴趣的，而用户的阅读习惯一般是从上到下，所以我们希望将最相关的内容排在前面，然后以此类推。

       实验效果如下，其中：首先我们可以看出DSSM的效果优于其他模型，并且L-WH DNN的效果是最好的。

       DSSM是搜索里非常经典的一个算法，在工业界也广泛被使用。而且，根据应用场景的不同，对特征处理也会有一些区别。例如，在推荐召回模块的应用中，我们的输入可能就不再是query和doc的word embedding，而是用户和推荐的物品（例如**，商品）的特征。

       本文依然是源码部署和源码交付的关系由DSSM的作者提出，在语义特征计算部分采用CNN网络，网络结构如上图所示。在词向量的表达上依然采用了word hash（不知道为啥作者对word hash这么执着）。

       不过，trigram表示不能忽略了文本的上下文信息，因此作者在word trigram的基础上增加了letter trigram。在一定的窗口大小内，对该窗口内的word进行拼接就是letter trigram，例如I have an apple，可以被拼接为 # I have, I have an, ... 以此类推。

       然后以上表示经过卷积层，max-pooling，和全连接之后得到query和doc的低维向量。最后计算相似度的时候还是cosine距离。

       本文针对CNN-DSSM无法捕捉长文本的上下文信息的缺点，引入了LSTM。同时在LSTM的cell中加入了peehole，LSTM的cell结构如上图所示。

       与传统的LSTM不同，作者在遗忘门、输入门、输出门中都考虑了[公式]，总体来说考虑的信息更丰富。

bert和lda区别

IDAPro是反汇编工具，bert是双向Transformer的Encoder。

       BERT的实现主要是围绕工程化的项目来进行的。bert模型的主要创新点都在pre-train方法上，即用了MaskedLM和NextSentencePrediction两种方法分别捕捉词语和句子级别的representation。

       ä½œä¸ºåæ±‡ç¼–程序的IDAPro能够创建其执行映射，以符号表示（汇编语言）显示处理器实际执行的二进制指令。IDAPro可以从机器可执行代码生成汇编语言源代码，并使这些复杂的代码更具人类可读性（这个可读具有相对性）。

利用TIMIT数据集做声纹识别，kaldi

       更新（）：

       附上本人源码

       同步上传了一份更为详细的pdf教程

       对于使用kaldi进行声纹识别的新手来说，由于timit数据集规模较小，训练速度快，便于观察中间过程，因此适合用于学习和实践。

       本人刚开始接触声纹识别，对kaldi的入门有一定难度。在参考aishell v1和清华大学cslt的代码基础上，我将所学知识应用于timit数据集。（如有问题和建议，请随时交流！）

       调整语音文件分布，转换格式：从网上下载到的TIMIT，原始文件分布如下。这里的SPK，如“FAKS0”、“MDAB0”等名称。借鉴AISHELL.v1中的文件分布，我们只需获取TRAIN和TEST两个文件夹，将TRAIN和TEST目录下DR里的说话人文件分别放在一个目录下，可以手动改为

       为了方便观察中间过程和结果，我们最好修改一下文件名和wav名，删除一些不用的文件。可以调用modify_name.py

       最后的文件分布为

       这就是我们需要的数据文件分布

       格式转换（这一步很关键）：因为timit中的wav不是RIFF格式，在提取MFCC时会报错（如：“expected RIFF or RIFX, got NIST”），所以要用kaldi自带的功能（sph2pipe）将wav全部转换一下

       准备工作都做完了，接下来就可以开始训练模型了！如果你比较了解kaldi的训练和测试流程，可以直接执行./run.sh（如果机器配置较低，防止内存溢出，你需要修改一些参数，如njob、thread、process等）。由于timit数据量较小，所以整体时间也很快。最终，你可以看到基于ivector的余弦、lda和PLDA三种评估结果，结果同样放在scores文件下。

       本人当时跑的结果：使用了个高斯分量，ivector维度为，lda测试时降维到（这些参数都可以在run.sh中直接设置，其他中间过程参数一般在local、sid、utils和steps目录下的文件中设置）

       测试集中，3个语音进行注册（enroll），7个语音进行验证（eval），共有人

       数据准备：参考了aishell.v1的方式

       声纹识别只需要spk2utt、utt2spk和wav.scp三种文件。这些文件表示了“说话人-语音文件集”、“语音文件-说话人”、“语音文件-文件路径”的映射。

       模型训练：参考了aishell.v1的方式

       特征提取：Mfcc和vad参数都可以在conf文件中修改。

       接下来将测试集中的特征数据拆分为“注册集”和“验证集”：其中$trials文件很重要，它是关于“说话人-语音文件-是否匹配”的映射。如果其中一行的语音文件来自这个说话人，则是否匹配为“target”；如果语音文件不来自这个说话人，则为“nontarget”。

       I-vector训练：先训练一个对角协方差混合高斯，基于此，再训练一个全协方差混合高斯，它就是UBM模型；然后再训练一个I-vector模型。

       测试I-vector特征提取：分别对训练集、注册集和验证集提取各自的I-vector。

       评估：使用了清华大学的方式

       可视化：最后使用matlab工具包{ DETware_v2.1}进行可视化

VASP软件中文手册 | 第三章：安装、编译和维护 VASP软件

       华算科技朱老师团队的Cilver老师和Ravi老师带来的《VASP官方入门手册》第三部分详述了如何安装、编译并维护VASP软件。作为备受信赖的DFT计算工具，每年有超过1万篇论文基于VASP发表，截至年，总数已超过万篇，其计算能力不仅验证实验结果，还能预测新发现。

       本教程将分为三个步骤进行讲解：

       1. **获取VASP软件**：由于软件非公共共享，需通过官方途径联系Doris Vogtenhuber获取许可。申请时需提供简短的研究描述，不超过半页。

       2. **安装过程**：安装需一定的UNIX知识，包括理解tar、gzip和make命令。建议在~/VASP/src目录下操作。首先，从官方网站下载源代码（vasp.X.tar.gz）和赝势数据库，然后解压到特定的子目录，如potUSPP_LDA、potUSPP_PW等。接下来，解压缩vasp.*.tar.gz文件，并根据makefile.machine选择合适的配置，注意检查Makefile中的提示进行配置，可能需要调整编译优化。

       3. **编译和维护**：VASP软件存储在vasp.4.lib和vasp.4.x目录中，后者更新频繁。例如，可以使用makeparam工具手动编译。更新软件时，先从服务器获取最新版本的vasp.4.X.X.tar.gz，解压缩后确保替换旧版本，但需注意解压后可能需要按特定步骤重新编译。

       完成安装和配置后，你可以开始进行计算，但务必遵循教程中的详细指导，以确保顺利运行和解决问题。这个教程旨在帮助您快速掌握VASP计算，成为高性能计算的高手！