Recommendation

SR-GNN:Session-based Recommendation with Graph Neural Networks 论文阅读笔记

Session-basedRecommendationwithGraphNeuralNetworksAAAI2019论文地址：https://arxiv.org/abs/1811.00855源码地址：https
Andre_Jan·2022-03-28 07:52

基于内容的推荐算法

基于内容的推荐算法一、算法原理  基于内容的推荐（Content-basedRecommendation，简称CB）是建立在项目的内容信息上做出推荐的，不需要依据用户对项目的评价意见，更多地需要用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料
回一幻·2022-03-27 07:32

【人工智能】推荐系统算法

推荐系统算法详解一、推荐系统详解1.基于人口统计学的推荐算法基于人口统计学的推荐机制(Demographic-basedRecommendation)是一种最易于实现的推荐方法，它只是简单的根据系统用户的基本信息发现用户的相关程度
柠檬小帽·2022-03-23 13:42

序列推荐(4):Sequence and Time Aware Neighborhood for Session-based Recommendations

SIGIR2019shortPaper摘要基于会话的k近邻方法（SKNN）已被证明是基于会话推荐的有力基线。然而，SKNN没有考虑会话中随时可用的顺序和时间信息。在这项工作中，我们提出了序列和时间感知邻域（SequenceandTimeAwareNeighborhood,STAN）。STAN在推荐时考虑以下因素i）物品在本session中的位置，ii）上一次session与本次session的衔接
阿瑟_TJRS·2022-03-10 10:49

Personalized Bundle Recommendation in Online Games 阅读笔记

PersonalizedBundleRecommendationinOnlineGames阅读笔记CIKM2020QilinDeng,KaiWang,MinghaoZhao,ZheneZou,RunzeWu
宇宙哇·2022-03-10 07:37

Netflix推荐系统：从评分预测到消费者法则

p=11原文链接：Netflixrecommendations:beyondthe5stars(Part1),(Part2)原文作者：XavierAmatriainandJustinBasilico前言
weixin_30216561·2022-03-03 07:08

Double-Scale Self-Supervised Hypergraph Learning for Group Recommendation 论文笔记

Double-ScaleSelf-SupervisedHypergraphLearningforGroupRecommendationtopic：（1）定义了用户层、组层超图（解决现有方法未考虑到的复杂交互
杨枝甘露ll·2022-03-03 07:06

神经网络在快手短视频推荐中的应用

图神经网络在快手短视频推荐中的应用本文讲解快手在短视频推荐领域的最新论文:CIKM'21《Concept-AwareDenoisingGraphNeuralNetworkforMicro-VideoRecommendation
NLP论文解读·2022-03-02 17:00

ReactiveCocoa学习

utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation
Jack张77·2022-02-21 02:14

币圈读书笔记05：瞎说大实话，长期持币是最大的获利者。

Thisarticledoesnotcontaininvestmentadviceorrecommendations.Everyinvestmentandtradingmoveinvolvesrisk,
币圈预言帝·2022-02-20 01:20

Office Depot使用Apache Spark和 Analytics Zoo上的分布式Keras实现实时产品推荐

出处：https://software.intel.com/en-us/articles/real-time-product-recommendations-for-office-depot-using-apache-spark-and-analytics-zoo-onOfficeDepot
小白学步·2022-02-19 17:12

Talroo使用Analytics Zoo和AWS利用深度学习在工作推荐上的应用

software.intel.com/en-us/articles/talroo-uses-analytics-zoo-and-aws-to-leverage-deep-learning-for-job-recommendations
小白学步·2022-02-18 02:38

论文阅读——Attention-based Transactional Context Embedding for Next-Item Recommendation

PaperReading——Attention-basedTransactionalContextEmbeddingforNext-ItemRecommendation基于注意力的事务上下文嵌入下一项推荐
泽泽馥泽泽·2022-02-17 23:19

可解释性推荐(2): Dynamic Explainable Recommendation Based on Neural Attentive Models

本文是自己在推荐系统研究中研读的论文翻译及解读，原文：DynamicExplainableRecommendationBasedonNeuralAttentiveModelsAAAI2019会议论文本篇笔记为本人原创
阿瑟_TJRS·2022-02-16 10:06

Html5资料整理

这里的HTML5~=HTML5+Javascript+CSS3以下资料的协议相关部分主要来自W3C、WHATWG；demo库和开发工具等主要来自IT企业、技术组织的官网或其信息站点W3C正式发布的协议称为Recommendation
weixin_30767921·2022-02-14 15:25

MobLink | URL Scheme和Universal Link的区别

utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation
伶俐ll·2022-02-14 03:22

基于图的推荐算法(2): HOP-Rec: High-Order Proximity for Implicit Recommendation

前言RecSys2018:融合图结构、并结合MF思想的推荐算法相关研究参见：基于图的推荐算法(1):Query-basedMusicRecommendationsviaPreferenceEmbedding
阿瑟_TJRS·2022-02-13 23:29

VScode编辑器配置

vue代码的书写效率具体配置{"workbench.welcome.enabled":false,"files.autoSave":"onWindowChange","extensions.ignoreRecommendations
崔海龙Alvin·2022-02-12 20:01

sparkMllib的ALS过滤算法

{Level,Logger}importorg.apache.spark.mllib.recommendation.{ALS,MatrixFactorizati
飞叔Brother·2022-02-11 23:18

PHP-FIG

的标准化组织.PHP的从业者非常有必要了解这个组织公布的PHP的行业标准.在这个开放式开源协作时代,标准化尤为重要.官方网站为:https://www.php-fig.org/PSR(PHPStandardsRecommendations
观星汉·2022-02-10 22:25

基于内容的个性化推荐算法

本文介绍基于内容的推荐算法(Content-basedRecommendation)。基于内容的推荐算法(以下简称“内容推荐算法”)只有一个关键点——标签(tag)。
盼盼学士·2022-02-06 16:29

《DRN:A Deep Reinforcement Learning Framework for News Recommendation》

今天阅读了一篇论文，题目叫《DRN:ADeepReinforcementLearningFrameworkforNewsRecommendation》。
文哥的学习日记·2022-02-06 06:30

sparkMllib的ALS过滤算法调校参数

{Level,Logger}importorg.apache.spark.mllib.recommendation.
飞叔Brother·2022-02-05 12:45

Backup - App & Software (update)

XMindHealth:Health-Supplement:Labdoor(Reviewsandrankings)News:Longform(articles),feedly,InoreaderAppRecommendations
卓允智·2022-02-03 06:17

因果推断推荐系统工具箱 - Deconfounded Recommendation（一）

文章名称【RecSys-2020】【UniversityofTuebingen】CausalInferenceforRecommenderSystems核心要点文章旨在利用因果推断的框架提高推荐系统效率，只推荐被曝光后用户才会看的电影，而非曝光不曝光都会被观看的电影，也就是所谓的观看提升量。同时，利用因果推断的框架解决推荐模型经常遇到的混淆变量的问题。方法细节问题引入作者认为，推荐模型天生应该是因
processor4d·2022-01-12 13:25

标准化单细胞RNA测序数据—陷阱和建议

博文名称：NormalizingsinglecellRNAsequencingdata—PitfallsandRecommendations博文链接：https://towardsdatascience.com
whitebird·2021-12-30 11:16

新闻推荐(9):Knowledge-Aware Document Representation for News Recommendations

前言Recsys2020中一篇关于新闻推荐的长文官方代码：https://github.com/danyang-liu/KRED来自微软亚研和中科大的合作关键问题/背景：新闻内容中包含有实体，是重要的辅助信息工业新闻推荐系统包含各种关键应用，如个性化推荐、逐条推荐、新闻分类、新闻流行度预测和本地新闻检测。通过合并实体能更好地表征文档/新闻，统一构建这些应用(多任务学习)。然而，现有的文档表征模型要
阿瑟_TJRS·2021-12-21 11:44

序列推荐: Learning Reinforced Dynamic Representations for Sequential Recommendation Weiqi

paper链接：https://arxiv.org/pdf/2112.02787.pdf类似工作：https://arxiv.org/pdf/2012.08984.pdf摘要近年来，序列推荐在解决许多在线服务中的信息过载问题方面发挥了重要作用。目前的序列推荐侧重于在任何时候为每个用户学习固定数量的表示，为用户提供单个表示或多个兴趣表示。然而，当用户探索电子商务推荐系统上的物品时，该用户的兴趣数量可
阿瑟_TJRS·2021-12-17 15:27

Denoising in Rec(2)：Denoising Implicit Feedback for Recommendation

WSDM2021FullResearchPaper摘要隐式反馈的普遍存在使得他们成为构建在线推荐系统的默认选择。虽然大量的隐性反馈缓解了数据稀疏的问题，但缺点是它们在反映用户的实际满意度方面不够清晰。因此，在推荐人培训中，考虑隐式反馈中不可避免的噪声是至关重要的。然而，很少有关于推荐的研究考虑到了隐式反馈的噪声特性。本文主要探讨利用隐式数据进行推荐训练中的去噪问题。隐反馈噪声会带来严重的负面影响，
阿瑟_TJRS·2021-12-17 15:20

Python中的array[:]表示什么意思？记录一个幺蛾子

ForRecommendationinDeeplearningQQGroup277356808FordeeplearningQQSecondGroup629530787I
小李飞刀李寻欢·2021-12-05 01:27

关于dropout看我这篇就够了

ForRecommendationinDeeplearningQQGroup102948747ForVisualindeeplearningQQGroup629530787I
小李飞刀李寻欢·2021-12-03 15:33

Deep Feedback Network for Recommendation用于推荐系统的深度反馈网络

整篇文章与传统的推荐算法模型做了相应的对比，对传统算法而言，这篇文章将所有的信息反馈做了细致的划分：隐式积极反馈/隐式消极反馈显示积极反馈/显示消极反馈，隐式反馈与显示反馈的区别在于用户的行为模式。如下图所示：在上图中，通过按钮的方式表示dislikeaction就是显示反馈，通过下滑item条目表示隐式dislikeaction反馈。文章当中也做了相应的说明：1显示反馈在实际的数据中占比是比较小
kennyadelaide·2021-11-26 16:23

论文阅读“Learning to Embed Categorical Features without Embedding Tables for Recommendation”

KangWC,ChengDZ,YaoT,etal.LearningtoEmbedCategoricalFeatureswithoutEmbeddingTablesforRecommendation[C]
掉了西红柿皮_Kee·2021-11-24 20:25

因果可解释推荐系统工具箱 - CountER（二）

文章名称【CIKM-2021】【RutgersUniversity】CounterfactualExplainableRecommendation核心要点文章旨在对推荐模型的结果进行解释。
processor4d·2021-11-22 12:03

因果可解释推荐系统工具箱 - CountER（一）

文章名称【CIKM-2021】【RutgersUniversity】CounterfactualExplainableRecommendation核心要点文章旨在对推荐模型的结果进行解释。
processor4d·2021-11-21 13:13

召回阶段的多兴趣模型——MIND

前言2019年阿里团队发表在CIKM上的论文“Multi-InterestNetworkwithDynamicRoutingforRecommendationatTmall”，应用胶囊网络的动态路由算法来构建一个多兴趣网络
毛十三_·2021-10-09 11:40

因果推断推荐系统工具箱 - DPA（一）

文章名称CausalInterventionforLeveragingPopularityBiasinRecommendation核心要点为消除流行度偏差在训练模型时的影响，并且合理利用流行度偏差提升模型效果
processor4d·2021-09-30 20:31

iOS自动释放池原理/Runloop原理

utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendationRunloop原理：https
1bf235f48fa8·2021-09-29 15:56

【论文精读】推荐算法：Deep Neural Networks for YouTube Recommendations

  这篇论文是google的YouTube团队在16年9月的RecSys会议发表的，主要介绍推荐系统在DNN方面的尝试。本文所介绍的YouTube的推荐系统主要包括DeepCandidateGenerationmodel和DeepRankingmodel两个部分：DeepCandidateGenerationmodel在成千上万的视频集中选出几百个视频作为推荐候选集；DeepRankingmode
宅家学算法·2021-09-10 14:23

推荐系统实战第01课 推荐系统简介

@[toc](推荐系统实战第01课推荐系统简介)推荐系统介绍（whatwhywhere）IndustrialRecommendationSystem1、推荐系统是什么(what)•分类⽬录（1990s）
酱油哥带你学·2021-06-27 02:50

El Brasero de Don Pedro in Madrid

...ThisrestaurantisrecommandedbythestaffofMarriottHotelAuditoriumMadridandweappreciatethelocalpeoplerecommendation
LiliaWu·2021-06-26 19:32

《DRN:A Deep Reinforcement Learning Framework for News Recommendation》论文阅读笔记

今天阅读了一篇论文，题目叫《DRN:ADeepReinforcementLearningFrameworkforNewsRecommendation》。
白兔记·2021-06-26 15:15

2020-03-19 团队paper list

ACCEPTEDYongLiu,YingtaiXiao,QiongWu,ChunyanMiao,JuyongZhang,BinqiangZhao,HaihongTang.DiversifiedInteractiveRecommendationwithImplicitFeedback.AAAI2020JingwenYe
plawgx·2021-06-26 10:20

youtube recommendation

youtuberecommendationsystem各种文章链接：https://www.jianshu.com/p/dee562dc0580
sans_nom·2021-06-26 02:07

electrochimica acta技术审核清单

标题不要有缩写摘要不要有引用引用不要用上标连续引用格式设置文章分节文章结构引用文献格式不要有etal多重引用脚注单位格式用国际单位常用符号不要用电压，除非是全电池英文Technicaleditorialrecommendations
鸭梨山大哎·2021-06-24 20:11

（译）Collaborative Memory Network for Recommendation Systems

Abstract:Recommendationsystemsplayavitalroletokeepusersengagedwithpersonalizedcontentinmodernonlineplatforms.Deeplearninghasrevolutionizedmanyresearchfieldsandthereisarecentsurgeofinterestinapplyingit
yi_cloud·2021-06-24 15:25

Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba

核心思路：使用了graphembedding的思路构建item的embedding表示。具体做法：整体思路比较简单，使用用户的行为序列，构建图，然后进行随机的游走，从随机游走里面产出宝贝的序列。再对这个序列用word2vec得到item的embedding。具体细节：行为序列构建1.用户行为序列其实是很长的，这里取了一个小时的，认为一个小时之内的商品是相关的。相当于把用户的行为序列按照一个小时为单
zizhuxi·2021-06-24 07:21

论文笔记 | arXiv | Next Item Recommendation with Self-Attention

AttRec-title.png论文地址：https://arxiv.org/abs/1808.06414官方代码：https://github.com/cheungdaven/DeepRec一为什么读这篇看完SASRec，接着看这篇。两篇文章都是用Self-Attention做推荐的，而且都是同一天发的。看看和SASRec有什么不同吧，能不能让效果有提升。二截止阅读时这篇论文的引用次数2019.
ktulu7·2021-06-22 09:12

Python中NameError: name 'reload' is not defined解决方案

解决方法如下:有些地方需要注意一下，recommendations.py这个文件必须与pyt
Evermemo·2021-06-21 22:13

4) Use provided recommendations to handle kernel fields/attributes that expect logical/Boolean inputs

在上述截图中，如果POVs41PD1002或41PD1003有一个断开连接，那么外部输出位号Cond_1将返回1。如果41PD1002和41PD1003分别在各自的设定限制外，那么外部输出位号Cond_2和Cond_3将返回1。最后，如果Cond_1，Cond_2或Cond_3返回true，41PD1004删除标签将设定为true。使用外部输出位号的一个好处是，计算结果既可以配置在DCS上，在SM
橡果·2021-06-21 21:45
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他