图 书 馆境外开放课程——编辑志愿者
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
16Beyond Search - Computational Intelligence for the Web - Introduction[超越搜索-网络的智能计算]
Anton Schwaighofer(微软公司)
热度：53
Anton Schwaighofer(微软公司)
热度：53
17Knowledge Representation and Reasoning - Discussion[关于知识表达与推理的讨论]
A. C. Surendran, Doug Lenat, Deepak Agarwal, Anton Schwaighofer(微软公司)
热度：28
A. C. Surendran, Doug Lenat, Deepak Agarwal, Anton Schwaighofer(微软公司)
热度：28
18Mining the Web to Facilitate Fast and Accurate Approximate Match[挖掘网络促进快速和准确的近似匹配]
Venkatesh Ganti; Surajit Chaudhuri; Dong Xin(微软公司) 依赖于识别实体的任务最近在文献中得到了极大的关注。许多此类任务假定引用实体表的存在。在本文中，我们考虑确定候选字符串是否与引用实体近似匹配的问题。这个...
热度：35
Venkatesh Ganti; Surajit Chaudhuri; Dong Xin(微软公司) 依赖于识别实体的任务最近在文献中得到了极大的关注。许多此类任务假定引用实体表的存在。在本文中，我们考虑确定候选字符串是否与引用实体近似匹配的问题。这个...
热度：35
19SoftRank: Optimising Non-Smooth Rank Metrics[SoftRank:优化非光滑秩度量]
Michael Taylor(微软公司) SoftRank:优化非平滑等级指标
热度：60
Michael Taylor(微软公司) SoftRank:优化非平滑等级指标
热度：60
20Unbiased Offline Evaluation of Contextual-bandit-based News Article Recommendation Algorithms[基于上下文的强盗新闻推荐算法的无偏离线评价]
Lihong Li(微软公司) 上下文盗版者算法在Digg、Yahoo!以及新闻推荐。离线评估新算法在这些应用程序中的有效性对于保护在线用户体验至关重要，但由于它们的“部分标签”性质，因此非常...
热度：286
Lihong Li(微软公司) 上下文盗版者算法在Digg、Yahoo!以及新闻推荐。离线评估新算法在这些应用程序中的有效性对于保护在线用户体验至关重要，但由于它们的“部分标签”性质，因此非常...
热度：286
21Discovering and Using Groups to Improve Personalized Search [发现和使用组来改进个性化搜索]
Jaime Teevan; Meredith Ringel Morris;Steve Bush(微软公司) 发现和使用群组来改进个性化搜索
热度：33
Jaime Teevan; Meredith Ringel Morris;Steve Bush(微软公司) 发现和使用群组来改进个性化搜索
热度：33
22Wikipedia Pages as Entry Points for Book Search[作为图书搜索的入口点的维基百科页面]
Gabriella Kazai, Marijn Koolen, Nick Craswell(微软公司) 维基百科页面作为图书搜索的入口
热度：35
Gabriella Kazai, Marijn Koolen, Nick Craswell(微软公司) 维基百科页面作为图书搜索的入口
热度：35
23TrueSkill and AdPredictor: Large Scale Machine Learning in the Wild[TrueSkill和AdPredictor：大型机在野生环境中学习]
Thore Graepel(微软公司) 概率图形模型在微软的在线服务中起着至关重要的作用。在这个演讲中，我将描述机器学习在实践中的两个强大的应用。TrueSkill是Xbox Live的排名和配对系统，它能确...
热度：203
Thore Graepel(微软公司) 概率图形模型在微软的在线服务中起着至关重要的作用。在这个演讲中，我将描述机器学习在实践中的两个强大的应用。TrueSkill是Xbox Live的排名和配对系统，它能确...
热度：203
24Probabilistic models for ranking and information extraction[排序和信息抽取的概率模型]
Ed Snelson(微软公司) 我将总结一些当前的信息提取方法，这些方法旨在从非结构化文本(如web)中获取结构化信息。然后，我将讨论贝叶斯模型在这个领域是否有用，并描述从web搜索查询日志...
热度：28
Ed Snelson(微软公司) 我将总结一些当前的信息提取方法，这些方法旨在从非结构化文本(如web)中获取结构化信息。然后，我将讨论贝叶斯模型在这个领域是否有用，并描述从web搜索查询日志...
热度：28
25A Scalable Pattern Mining Approach to Web Graph Compression with Communities[一种可扩展的模式挖掘方法及其在社区网络图压缩中的应用]
Greg Buehrer(微软公司) 一种可扩展的模式挖掘方法，用于Web图形与社区的压缩 ,
热度：53
Greg Buehrer(微软公司) 一种可扩展的模式挖掘方法，用于Web图形与社区的压缩 ,
热度：53
26Introduction to Windows Azure: Programming to a PaaS[Windows Azure简介：编程到PaaS]
Bharat Shyam(微软公司) Windows Azure简介:PaaS编程
热度：30
Bharat Shyam(微软公司) Windows Azure简介:PaaS编程
热度：30
27Precomputing Search Features for Fast and Accurate Query Classification[预计算搜索功能可实现快速准确的查询分类]
Arnd Christian König(微软公司) 查询意图分类对于网络搜索和广告是至关重要的。众所周知，这是一项具有挑战性的工作，因为web查询平均包含的单词少于三个，因此几乎不能为基于此的分类决策提供...
热度：36
Arnd Christian König(微软公司) 查询意图分类对于网络搜索和广告是至关重要的。众所周知，这是一项具有挑战性的工作，因为web查询平均包含的单词少于三个，因此几乎不能为基于此的分类决策提供...
热度：36
28Learning Consensus Opinion: Mining Data from a Labeling Game[学习共识意见：从标签游戏中挖掘数据]
Paul N. Bennett; Anton Mityagin; David Maxwell Chickering(微软公司) 在本文中，我们考虑如何识别一组用户的一致意见，以及如何对查询结果进行排序。一旦为一组查询确定了一致的排名，这些排名就可以用于检索和学习系统的评估和培训...
热度：41
Paul N. Bennett; Anton Mityagin; David Maxwell Chickering(微软公司) 在本文中，我们考虑如何识别一组用户的一致意见，以及如何对查询结果进行排序。一旦为一组查询确定了一致的排名，这些排名就可以用于检索和学习系统的评估和培训...
热度：41
29The Web Changes Everything[网络改变了一切]
Jaime Teevan(微软公司) 当你浏览同事的网页时，她发布的新文章是否会让你眼前一亮?当你回到你最喜欢的新闻网站时，是否很容易找到你昨天看到的头版新闻?Web是一个动态的、不断变化的信...
热度：25
Jaime Teevan(微软公司) 当你浏览同事的网页时，她发布的新文章是否会让你眼前一亮?当你回到你最喜欢的新闻网站时，是否很容易找到你昨天看到的头版新闻?Web是一个动态的、不断变化的信...
热度：25
30