记录一下，很久之前看的论文-基于RNN来从微博中检测谣言及其代码复现。1引言      现有传统谣言检测模型使用经典的机器学习算法，这些算法利用了根据帖子的内容、用户特征和扩散模式手工制作的各种特征，或者简单地利用使用正则表达式表达的模式来发现推特中的谣言（规则加词典）。      特征工程是至关重要的，但手工特征工程是繁琐复杂、有偏见和耗时费力的。例如，图1中的两个时间序列图描述了典型的谣言信号的浅层模式。虽然它们可以表明谣言和非谣言事件的时间特征（微博文本中关键词的时序变化），但这两种情况之间的差异对于特征工程来说既不明确，也不明显。　　另一方面，深度神经网络在许多机器学习问题上已经显

　　记录一下，很久之前看的论文-基于RNN来从微博中检测谣言及其代码复现。1引言      现有传统谣言检测模型使用经典的机器学习算法，这些算法利用了根据帖子的内容、用户特征和扩散模式手工制作的各种特征，或者简单地利用使用正则表达式表达的模式来发现推特中的谣言（规则加词典）。      特征工程是至关重要的，但手工特征工程是繁琐复杂、有偏见和耗时费力的。例如，图1中的两个时间序列图描述了典型的谣言信号的浅层模式。虽然它们可以表明谣言和非谣言事件的时间特征（微博文本中关键词的时序变化），但这两种情况之间的差异对于特征工程来说既不明确，也不明显。　　另一方面，深度神经网络在许多机器学习问题上已经显

HMSCore6.0已于7月15日全球上线，本次版本向广大开发者开放了众多全新能力与技术。其中HMSCoreNetworkKit开放了全链路网络加速技术，助力开发者为用户提供低时延的畅快网络体验。插入封面图NetworkKit是HMSCore面向开发者开放的一款网络基础服务套件，为开发者提供简单易用、低时延、高吞吐和高安全的端云传输通道。本次NetworkKit开放的全链路网络加速技术，能够根据用户的网络状况，提供差异化的参数调优，减少使用过程中的无效等待。全链路网络加速技术能够基于AI算法做网络环境预测，能够根据线程数量、IP选路、超时时间等维度，实现千人千面的网络参数调优；其还能够基于业务

HMSCore6.0已于7月15日全球上线，本次版本向广大开发者开放了众多全新能力与技术。其中HMSCoreNetworkKit开放了全链路网络加速技术，助力开发者为用户提供低时延的畅快网络体验。插入封面图NetworkKit是HMSCore面向开发者开放的一款网络基础服务套件，为开发者提供简单易用、低时延、高吞吐和高安全的端云传输通道。本次NetworkKit开放的全链路网络加速技术，能够根据用户的网络状况，提供差异化的参数调优，减少使用过程中的无效等待。全链路网络加速技术能够基于AI算法做网络环境预测，能够根据线程数量、IP选路、超时时间等维度，实现千人千面的网络参数调优；其还能够基于业务

DeepPrivacy:AGenerativeAdversarialNetwork forFaceAnonymizationISVC2019　　https://arxiv.org/pdf/1909.04538.pdf （个人理解，欢迎指正错误） Introduction　　隐私：整个人脸　　可用性：是看起来自然的人　　文章基于CGAN架构，模型以被遮蔽敏感信息的人脸为输入，以真实人脸中的若干个关键点为条件信息生成假人脸。合成人脸在匿名的同时保留数据分布，使数据适合于进一步训练深度学习模型。包含真实人脸的图像　　   遮蔽敏感信息与关键点提取　　　　   合成图像Methodology　　　　模

DeepPrivacy:AGenerativeAdversarialNetwork forFaceAnonymizationISVC2019　　https://arxiv.org/pdf/1909.04538.pdf （个人理解，欢迎指正错误） Introduction　　隐私：整个人脸　　可用性：是看起来自然的人　　文章基于CGAN架构，模型以被遮蔽敏感信息的人脸为输入，以真实人脸中的若干个关键点为条件信息生成假人脸。合成人脸在匿名的同时保留数据分布，使数据适合于进一步训练深度学习模型。包含真实人脸的图像　　   遮蔽敏感信息与关键点提取　　　　   合成图像Methodology　　　　模

CIAGAN:ConditionalIdentityAnonymizationGenerativeAdversarialNetworks2020CVPR　　2005.09544.pdf(arxiv.org)（个人理解，欢迎指正错误） Introduction　　隐私：整个人脸　　可用性：是看起来自然的人　　文章去除真实人脸的同时生成了高质量的假人脸，可用于支持跟踪、检测等计算机视觉任务。与先前工作相比，本文的创新处在于可以在一定程度上控制人脸匿名效果，依据给定的身份参照指导假人脸的合成，到达合成图像接近参照图像的效果。　　文章指出，他们的的关键观察是，许多计算机视觉任务，如人的检测、多人跟踪、

CIAGAN:ConditionalIdentityAnonymizationGenerativeAdversarialNetworks2020CVPR　　2005.09544.pdf(arxiv.org)（个人理解，欢迎指正错误） Introduction　　隐私：整个人脸　　可用性：是看起来自然的人　　文章去除真实人脸的同时生成了高质量的假人脸，可用于支持跟踪、检测等计算机视觉任务。与先前工作相比，本文的创新处在于可以在一定程度上控制人脸匿名效果，依据给定的身份参照指导假人脸的合成，到达合成图像接近参照图像的效果。　　文章指出，他们的的关键观察是，许多计算机视觉任务，如人的检测、多人跟踪、

 转自：https://www.evanlin.com/maglev/  2016年6月2日前言（为什么想读这一篇论文）这一篇论文吸引我注意的原因是，ConsistentHashing本来的特性就是作为分布式缓存之用。谷歌将他们的负载均衡器（代号：Maglev）发布他的实作方式，里面将一致的哈希并做了一些小改版来符合他们的需求。此前我一直在进一步学习，因为谷歌很好地利用了它的能力，因此更有效地提高了它的能力。就想要阅读这一篇论文。本篇导读主要内容如下：介绍Maglev的特性和改进的部分回顾一致哈希介绍磁悬浮哈希原始论文Maglev：快速可靠的软件网络负载均衡器导读什么是磁悬浮？Maglev是G

 转自：https://www.evanlin.com/maglev/  2016年6月2日前言（为什么想读这一篇论文）这一篇论文吸引我注意的原因是，ConsistentHashing本来的特性就是作为分布式缓存之用。谷歌将他们的负载均衡器（代号：Maglev）发布他的实作方式，里面将一致的哈希并做了一些小改版来符合他们的需求。此前我一直在进一步学习，因为谷歌很好地利用了它的能力，因此更有效地提高了它的能力。就想要阅读这一篇论文。本篇导读主要内容如下：介绍Maglev的特性和改进的部分回顾一致哈希介绍磁悬浮哈希原始论文Maglev：快速可靠的软件网络负载均衡器导读什么是磁悬浮？Maglev是G