2019-06-30

[WWW 2019] A Hierarchical Attention Retrieval Model for Healthcare Question Answering

  • 医疗场景的问答
  • 其实就是文档检索排序,只不过做了多个级别的Attention
  • 构建了新的数据集来验证方法


    模型结构图

[WWW 2019] Cross-domain Recommendation Without Sharing User-relevant Data

  • cross-domain推荐,但是传统的cross-domain都是共享用户的历史行为数据的,而有些时候这些数据是很敏感很隐私的
  • 本文提出只共享item Embedding的方法,避免了敏感数据的泄露
  • 首先在辅助domain里面预训练item Embedding,然后迁移到target domain里面用


    模型结构图

[WWW 2019] GhostLink Latent Network Inference for Influence-aware Recommendation

  • 用户对某个物品的打分会受到社交网络中别的用户的影响
  • 本文用无监督的概率图模型来自动学习latent influence,通过用户post和content,然后用来提高推荐系统的效果


    概率图模型结构

[WWW 2019] Graph Neural Networks for Social Recommendation

  • GNN做推荐系统
  • 有user-user图和user-item图
  • 分别在图上做Attention


    模型结构图

[WWW 2019] Hierarchical Temporal Convolutional Networks for Dynamic Recommender Systems

  • 序列推荐, 预测下一个item
  • 预测每一个时刻的user表示,用来推荐item


    模型结构图

[WWW 2019] Learning Novelty-Aware Ranking of Answers to Complex Questions

  • 这里的novelty其实就是diversity的意思
  • 考虑到答案的相关性和多样性
  • PairWise的建模


    模型结构图

[WWW 2019] Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation

  • 多任务特征学习
  • 加入item的知识图谱(head-ralation-tail)做推荐系统
  • user和item一起预测打分,head和relation一起预测tail
  • item和head做个Cross&compress,如图:


    Cross&compress unit

    模型结构图

你可能感兴趣的:(2019-06-30)