动手学深度学习
本文系统介绍了深度学习的基础理论与核心技术，涵盖了从线性代数、微积分等预备知识到线性神经网络和多层感知机的基本原理。在卷积神经网络（CNN）部分，重点分析了卷积层、池化层及现代网络如AlexNet、VGG和ResNet的架构及其在计算机视觉中的应用。随后，文章讲述了循环神经网络（RNN）的序列模型，探讨了GRU和LSTM在文本处理中的优势。接着，介绍了注意力机制及其在Seq2Seq中的应用，并深入讲解了自注意力和位置编码的原理。最后，文章解析了Transformer架构和BERT模型的预训练方法，展示了它们在自然语言处理中的重要性和卓越表现。
机器学习
未读
《BCOLD（简称）》阅读笔记
《A Parallel Dual-Channel Chinese Offensive Language Detection Method Combining BERT and CTM Topic Information》提出了一种结合BERT和CTM主题信息的双通道并行中文攻击性语言检测模型（BCOLD）。通过融合BERT生成的上下文词向量和CTM生成的主题向量，模型增强了对文本深层语义的理解，并结合DPCNN和TextCNN两种模型捕捉不同特征。多头注意力机制进一步优化了特征表示，实验结果显示，BCOLD在检测中文攻击性语言方面具备高效性和准确性，并展示了在其他领域的广泛应用潜力。
机器学习
未读
《Meta-SNA（简称）》阅读笔记
《Sinkhorn Distance Minimization for Adaptive Semi-Supervised Social Network Alignment》的创新点在于引入Sinkhorn距离来替代Wasserstein距离，提升了计算效率和稳定性。文章还提出了个性化投影函数，结合元投影与个体特征，实现了更精确的社交网络对齐。通过元学习框架和正交投影矩阵，模型在保持全局同构信息的同时，提升了对齐效果，并在理论和实验中证明了其优越性。
机器学习
未读
《DLNA（简称）》论文阅读笔记
这篇笔记主要总结了《Distributional Learning for Network Alignment with Global Constraints》论文的核心内容。笔记内容涵盖了论文中提出的分布式学习方法及其在网络对齐问题中的应用，并重点讨论了全局约束如何提升对齐精度。还涉及了实验设计、结果分析以及与其他方法的对比，突出该方法在处理复杂网络对齐任务时的优势。
《RAPIER（简称）》论文阅读笔记
论文《Low-Quality Training Data Only? A Robust Framework for Detecting Encrypted Malicious Network Traffic》介绍了RAPIER，一个在低质量训练数据环境下检测加密恶意网络流量的框架。它利用深度生成模型进行数据分布估计，纠正错误标签，并通过集成学习提高检测精度。实验结果表明，RAPIER在多个公开数据集上表现出色，具备鲁棒性和高准确性。
《HyperVision（简称）》论文阅读笔记
《Flow Interaction Graph Analysis: Unknown Encrypted Malicious Traffic Detection》提出了HyperVision系统，通过流量交互图分析检测未知的加密恶意流量。该系统采用无监督的图学习方法，识别图中的异常交互模式，有效应对未知攻击。实验结果显示，HyperVision在检测准确性和实时性方面优于现有方法。
机器学习
未读
C与Python混编实战：效率提升20倍的神器
本文通过C与Python混合编程优化了随机游走算法的效率。DeepWalk是一种图嵌入算法，通过随机游走生成节点序列，并进行训练。然而，个性化随机游走计算复杂度较高，Python实现效率不高。本文将核心的随机游走函数用C语言重写，生成动态链接库，并在Python中调用该C库。实验结果显示，混合编程将计算时间从40分钟缩短至2分钟，提升了20倍，验证了C语言在计算效率上的优势。
机器学习
未读
《CNN for Sentence Classification》论文阅读笔记以及代码复现
本文基于《Convolutional Neural Networks for Sentence Classification》论文，通过实验验证了CNN在文本分类中的有效性，特别是结合预训练的词向量（如word2vec）能够显著提升性能。论文探讨了静态和非静态词向量的双通道输入模型，并详细介绍了模型的各个组成部分。本文还复现了论文中的模型，并在此基础上进行了改进和优化。
五天全栈开发：微博舆情分析系统
本系统是一款专为社交网络舆情分析而设计的软件，旨在实现数据的实时采集、精准清洗、有效分类和深度分析。通过对微博等社交平台上的海量用户生成内容进行情感倾向分析和话题分类，系统能够快速捕捉并预测舆情动态，为政府、企业和组织提供决策支持。系统特点包括实时性监控、先进的数据处理能力、高度准确的情感计算技术以及用户友好的界面设计。通过模块化的设计思路，系统不仅易于维护和扩展，还确保了数据处理的高效率和准确性。我作为系统的唯一开发者，负责了从整体架构设计到前端页面实现，再到后端逻辑编写和数据库设计的全过程，确保了系统设计的一致性和功能的完整性。