Recommendation 第13页

Personalized Re-ranking for Recommendation

总结先用rank模型进行rankinit，然后用itememb;useremb+positionemb得到输入向量，再transformer，再softmax输出细节除了考虑物品，还要考虑user-item,itempair之间的特征input-encoding-outputinputlayer用旧rank模型给出一个序列S=[i1,i2,…,in]\mathcal{S}=[i_1,i_2,\do

KpLn_HJL·2022-11-21 02:52

GRN: Generative Rerank Network for Context-wise Recommendation

总结generator:GRU，policygradient优化，selfreward+differentialreward，从粗排到精排evaluator:bi-lstm+self-attention，交叉熵损失，对finallist做rank细节generator把gru当作一个policy，reward有2部分：selfreward+differentialreward。selfreward

KpLn_HJL·2022-11-21 02:52

《Improved Recurrent Neural Networks for Session-based Recommendations》 DLRS 2016 阅读笔记

摘要：本篇论文在上篇论文的基础上对该模型进行优化，主要体现在以下几点：新的数据预处理方式，数据增强数据分布改变（时效性）Generaliseddistillationitemembedding代替全预测空间1.基础模型模型依旧简单，但是不同于之前的模型，它对embedding层加入了dropout参数来防止过拟合。首先介绍：2.1数据增强本篇作者用了两种方法做数据增强，一种是预处理增加数据量，一种

佛系·2022-11-20 23:13

《session-based recommendations with recurrent neural networks》ICLR 2016 阅读笔记

文章简介:该文提出了利用RNN建模一个session间用户的点击序列。该方法完全利用用户在当前session里的反馈去做推荐，相比原依赖用户历史记录的推荐能在解决冷启动问题上更为简洁有效。模型文中提出的模型如下图所示:Input层是对所有item做的one-hotencoding,接下来是一层embedding层，再往下是一层或多层RNN模型，再往下是一个feedforward层，然后接到outp

StudyLess·2022-11-20 23:39

读书笔记1：《SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS》

先来理解一下Session-BasedRecommendation的定义。它的中文翻译是基于会话的推荐。

sa726663676·2022-11-20 23:39

【推荐算法论文阅读】Session-based recommendations with recurrent neural networks

CC‘s World·2022-11-20 23:34

【推荐算法论文阅读】Recurrent Neural Networks with Top-k Gains for Session-based Recommendations

本文是一篇很好的讲述进行梯度下降和参数更新时，困难样本、简单样本与梯度消失之间的关系，以及如何设置使简单样本对平均梯度的影响更小。一、samplingtheoutput在每个训练步骤中，GRU4Rec将会话中当前事件的项目（由one-hot向量表示）作为输入。网络的输出是项目的一组分数，对应于它们成为会话中下一个项目的可能性。GRU4Rec引入了基于mini-batch的采样。对于mini-bat

CC‘s World·2022-11-20 23:34

论文阅读笔记一：SESSION-BASED RECOMMENDATIONS WITHRECURRENT NEURAL NETWORKS

目录一论文简介1.1论文名称：SESSION-BASEDRECOMMENDATIONSWITHRECURRENTNEURALNETWORKS（基于RNN神经网络的会话推荐）1.2作者：BalázsHidasi1.3

初学者冲冲冲·2022-11-20 23:02

SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS论文解读

SESSION-BASEDRECOMMENDATIONSWITHRECURRENTNEURALNETWORKSICLR2016首先介绍下session-based的概念：session是服务器端用来记录识别用户的一种机制

SCS199411·2022-11-20 23:57

2016_ICLR-Session-based recommendations with recurrent neural networks阅读笔记

Marilynmontu·2022-11-20 23:27

Session-based Recommendations with Recurrent Neural Networks

Abstract我们将RNN使用在了一个新的领域——推荐系统。现实的推荐系统经常面对短对话数据（例如体育服装店）而不是充足的用户使用记录（例如Netflix)。在这种情况下，经常被称赞的矩阵分解的方法不在准确。这个问题在实践中经常使用基于物品的推荐来解决。例如，推荐相似物品。我们认为通过对整个会话进行建模可以给出更加准确的建议。因此，我们提出了一种基于会话的RNN推荐方法。我们的方法同样被认为在实

D_feather·2022-11-20 23:56

SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS

SESSION-BASEDRECOMMENDATIONSWITHRECURRENTNEURALNETWORKS基于会话的递归神经网络推荐首次将递归神经网络（recurrentneuralnetworks

Altira·2022-11-20 23:25

POI推荐文献阅读笔记2： GETNext：Trajectory Flow Map Enhanced Transformer for Next

唯有清风搭乘我·2022-11-20 16:12

【论文解读】YouTube采样修正的双塔模型论文精读

「本文概览」《Sampling-Bias-CorrectedNeuralModelingforLargeCorpusItemRecommendations》是谷歌在2019年的RecSys上发表的一篇非常具有工业风的论文

风度78·2022-11-20 13:25

TensorFlow wide and deep模型保存和推理

模型代码https://github.com/NVIDIA/DeepLearningExamples.gitDeepLearningExamples/TensorFlow/Recommendation/

Luchang-Li·2022-11-20 11:37

机器学习——回归

10年股票的变动、新闻咨询、公司并购咨询等输出：预测股市明天的平均值自动驾驶（Self-drivingCar）输入：无人车上的各个sensor的数据，例如路况、测出的车距等输出：方向盘的角度商品推荐（Recommendation

RL_Shmily·2022-11-20 05:46

论文阅读-Federated Social Recommendation with Graph NeuralNetwork

末世灯光·2022-11-19 23:54

linux下安装basler相机pylon软件

utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation这个主要是与QTCreato

zhaojiandeai·2022-11-19 23:36

2019_WWW_Graph Neural Networks for Social Recommendation

[论文阅读笔记]2019_WWW_GraphNeuralNetworksforSocialRecommendation论文下载地址：https://doi.org/10.1145/3308558.3313488

XingHe_XingHe_·2022-11-19 20:26

论文《Explainable Session-based Recommendation with Meta-path Guided Instances and SAN》阅读

论文《ExplainableSession-basedRecommendationwithMeta-pathGuidedInstancesandSelf-AttentionMechanism》阅读论文概况方法论总结论文概况今天带来的是南开的关于会话推荐可解释性的论文

行者^_^煜煜·2022-11-19 19:33

论文《How to Learn Item Representation for Cold-Start Multimedia Recommendation》阅读

论文《HowtoLearnItemRepresentationforCold-StartMultimediaRecommendation》阅读论文概况方法论嵌入层预测层今天简要介绍一下ACMMM2020

行者^_^煜煜·2022-11-19 19:33

Graph Heterogeneous Multi-Relational Recommendation （AAAI 2021）

摘要：异构多关系数据提供了结构良好的信息，可以用于高质量的推荐。早期利用这些异构数据的努力未能捕捉到用户-物品交互的高跳结构，这不能充分利用它们，可能只能实现受限的推荐性能。我们提出了一种新的多关系推荐模型，名为异构图协同过滤GraphHeterogeneousCollaborativeFiltering(GHCF)。为了探索高跳异构用户-物品交互，我们利用图卷积网络(GraphConvoluti

Lisa_is_cute·2022-11-19 19:00

Efficient Heterogeneous Collaborative Filtering without Negative Sampling for Recommendation (2020)

文章目录1.EfficientHeterogeneousCollaborativeFilteringwithoutNegativeSamplingforRecommendation(2020)(0)个人小结

healer-c·2022-11-19 19:18

【推荐系统-＞论文阅读】Dynamic Graph Neural Networks for Sequential Recommendation（用于序列推荐的动态图神经网络）

DynamicGraphNeuralNetworksforSequentialRecommendation（用于序列推荐的动态图神经网络）MengqiZhang,ShuWu,Member,IEEE,XueliYu

小明2766·2022-11-19 19:10

Non-Sampling Learning for Personalized Recommendation——笔记

Non-SamplingLearningforPersonalizedRecommendation[参考]个性化推荐系统中的非采样学习-陈冲B站视频https://www.bilibili.com/video

Ficus_f·2022-11-19 19:37

#Paper Reading# Efficient Heterogeneous Collaborative Filtering without NS for Recommendation

论文题目:EfficientHeterogeneousCollaborativeFilteringwithoutNegativeSamplingforRecommendation论文地址:https:/

John159151·2022-11-19 19:07

论文《Efficient Heterogeneous Collaborative Filtering without Negative Sampling for Recommendation》阅读

论文《EfficientHeterogeneousCollaborativeFilteringwithoutNegativeSamplingforRecommendation》阅读论文概况方法论总结今天简要介绍论文

行者^_^煜煜·2022-11-19 18:02

ACL 2020论文分享 | 新任务：融合多个对话类型的对话式推荐

点击链接阅读原文：https://mp.weixin.qq.com/s/f3dCOc4Mog9eZTl0k5YQew本文对百度入选ACL2020的论文**《TowardsConversationalRecommendationoverMulti-TypeDialogs

百度-NLP·2022-11-19 15:58

阅读：IA-GCN: Interactive Graph Convolutional Network forRecommendation

摘要：近年来，图卷积网络(GCN)已成为一种新型的基于协同过滤(CF)的推荐系统(RS)的新技术。通过在用户-项目二部图上进行嵌入传播来学习信息丰富的用户和项目表示方式，然后根据这些表示方式为用户提供个性化的项目建议。尽管现有算法有效，但在嵌入过程中忽略了用户-项目对之间宝贵的交互特征。当预测用户对不同项目的偏好时，他们仍然以相同的方式聚合用户树，而不强调用户社区中的目标相关信息。这种统一的聚合方

qq_43532928·2022-11-19 13:05

卷积-CNN-GCN-LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation论文笔记

参考博客：https://www.zhihu.com/question/54504471/answer/3326576041.卷积连续：(f∗g)(n)=∫−∞+∞f(τ)g(n−τ)dt(f*g)(n)=\int_{-\infty}^{+\infty}f(\tau)g(n-\tau)dt(f∗g)(n)=∫−∞+∞f(τ)g(n−τ)dt离散：(f∗g)(n)=∑τ=−∞+∞f(τ)g(n−τ)

hxl220284·2022-11-19 12:23

[TOIS 2022] A Generic Federated Recommendation Framework via Fake Marks and Secret Sharing

源码引言当你打开淘宝，发现首页上每一件商品都是心头所好，你是否感到疑问？当你播放音乐，发现每日推荐里每一首歌都悦耳动听，你是否感到困惑？当你打开抖音，发现每一条视频都妙趣横生，你是否感到惊奇？这背后其实是推荐系统在发挥作用，它为你在信息爆炸的时代守护一方乐园，让你喜欢的靠近，让你不喜的远离。但是，推荐系统为你带来便利的同时，也带走了你的隐私。为了猜得准你喜欢的，它不得不知道你的性别、年龄、地理位置

sinat_38007523·2022-11-19 04:16

李宏毅机器学习＜Datawhale task2学习笔记＞

例：recommendation(ytb,tiktok,etc

混沌乌龙茶·2022-11-19 02:01

【论文精读】Counterfactual Explainable Recommendation

CounterfactualExplainableRecommendation文章目录CounterfactualExplainableRecommendation1定义和符号表示反事实解释推荐解释的复杂度和力度

han1254·2022-11-16 11:28

Arxiv21|显式学习推荐系统中用户兴趣边界

论文标题：LearningExplicitUserInterestBoundaryforRecommendation作者：JianhuanZhuo,QiannanZhu,YinliangYue,YuhongZhao

宇宙哇·2022-11-15 08:24

【论文不精读】Reinforced Path Reasoning for Counterfactual Explainable Recommendation

ReinforcedPathReasoningforCounterfactualExplainableRecommendation1Introduction现代推荐系统在对复杂的用户或者商品上下文进行建模时变得十分复杂并且不透明

han1254·2022-11-13 14:42

KDD2020|淘宝推荐中的特权特征蒸馏算法PFD

PrivilegedFeaturesDistillationatTaobaoRecommendationsChenXu,QuanLi,JunfengGe,JinyangGao,XiaoyongYang,

frank_hetest·2022-11-13 11:32

KDD 2021 | 小红书推荐多样性解决方案：SSD在质量、多样性之间获得较好权衡

PaperWeekly·2022-11-13 11:30

深入浅出地理解Youtube DNN推荐模型

前言论文：《DeepNeuralNetworksforYouTubeRecommendations》相信很多小伙伴已经看过相关的文章，这篇文章主要目的在于阐述一些其他人很少关注但却是极其重要的点，当然也包括很多人提到点

我就算饿死也不做程序员·2022-11-12 04:24

GDSRec：Graph-Based Decentralized Collaborative Filtering for Social Recommendation(基于图的社交推荐分散协作过滤)

GDSRec：Graph-BasedDecentralizedCollaborativeFilteringforSocialRecommendation摘要——基于user-iteminteractions

努力学习的爽爽·2022-11-09 07:33

CTR预估论文精读(十三)--Behavior Sequence Transformer for E-commerce Recommendation in Alibaba(BST)

BehaviorSequenceTransformerforE-commerceRecommendationinAlibaba论文解读0.摘要Inthispaper,weproposetousethepowerfulTransformermodeltocapturethesequentialsignalsunderlyingusers

dby_freedom·2022-11-09 04:23

CTR预估论文精读(十四)--Deep Rerank: Personalized Re-ranking for Recommendation(PRM)

DeepRerank:PersonalizedRe-rankingforRecommendation论文解读0.论文摘要Rankingisacoretaskinrecommendersystems,whichaimsatprovidinganorderedlistofitemstousers.Typically

dby_freedom·2022-11-09 04:23

锁公平非公平_爱的公平

-维克多·雨果介绍(Introduction)PrevalenceofA.I.systemisnotanewthinganymorefromproduct,movierecommendationtotaxi-hailingservicesitispres

weixin_26706653·2022-11-08 09:59

Q&Cui·2022-11-07 23:02

WWW2021 | 基于图卷积神经网络的多样化推荐系统

机器学习与推荐算法·2022-10-30 07:19

SIGIR2020推荐系统论文聚焦

机器学习与推荐算法·2022-10-28 10:06

BugII_·2022-10-28 10:29

机器学习2017，Regression（李宏毅

公司并购咨询等输出：预测明天道琼斯工业指数的点数自动驾驶（Self-drivingCar）输入：无人车上的各个sensor的数据，红外线感测、视讯镜头看到的等，例如路况、测出的车距等输出：方向盘的角度商品推荐（Recommendation

linyuxi_loretta·2022-10-26 19:46

视觉合集3

这次的合集是找到了几个论文...一起来说下FastChargingofEnergy-denseLithium-ionBatteriesReal-timeShortVideoRecommendationonMobileDevicesSemanticinterpretationforconvolutionalneuralnetworks

tt姐whaosoft·2022-10-25 14:13

推荐频道

Recommendation