Recommendation 第9页

论文阅读6-----基于强化学习的推荐系统 Deep Reinforcement Learning for List-wise Recommendations

界限消除者·2022-12-28 16:01

基于强化学习的可解释性推荐文献三篇

AReinforcementLearningFrameworkforExplainableRecommendation.IEEE2018现在很多推荐模型的机制是复杂且难以解释的，此时需要在对推荐结果进行事后解释

白水baishui·2022-12-28 16:56

3.Deep Neural Networks for YouTube Recommendations论文精细解读

一、总述今天分享的是DeepNeuralNetworksforYouTubeRecommendations这篇论文的一些核心，这篇论文被称为推荐系统工程实践领域的一篇神文，每一个细节都值得我们细致分析和思考

eligible-zzw·2022-12-28 10:43

召回模型：Youtube

文章目录DeepNeuralNetworksforYouTubeRecommendations（2016）1.Candidategeneration1.1RecommendationasClassification1.2ModelArchitecture1.3HeterogeneousSignals1.4LabelandContextSelection2

竹枝子·2022-12-28 10:11

YouTube DNN论文精读

文章目录Abstract1.Introduction2.SystemOverview3.CandidateGeneration3.1Recommendationasclassification3.2ModelArchitecture3.3HeterogeneousSignals3.4LabelandContextSelection3.5ExperimentswithFeaturesandDepth

寻沂·2022-12-28 10:38

论文阅读《Deep Neural Networks for YouTube Recommendations》

本周学习内容汇报1论文阅读《DeepNeuralNetworksforYouTubeRecommendations》2Embedding技术在推荐系统中的应用DeepNeuralNetworkforYouTubeRecommendation

怼怼是酷盖·2022-12-28 10:08

推荐系统论文：Deep Neural Networks for YouTube Recommendations

论文地址：DeepNeuralNetworksforYouTubeRecommendations这篇论文由YouTube团队发表于2016年，十分经典，所以今天精读一下。

你好再见z·2022-12-28 10:03

Weighted Logistic Regression和Youtube时长预估

前段时间阅读了youtube的经典论文《DeepNeuralNetworksforYouTubeRecommendations》，其通过weightedLR来实现时长预估，在其原文中对实现的描述非常短，

tostq·2022-12-28 10:30

Simple GraphContrastive Learning for Recommendation 论文代码解读

一、前言1、摘要CL通过学习更均匀的用户/项目表示，这隐式地减轻了流行度偏差。作者提出了一种简单的CL方法，该方法丢弃图增强，仅通过在嵌入空间中添加均匀噪声来自由调整学习表示的均匀性，从而创建对比视图。2、介绍CL应用于推荐的一种典型方法是，首先使用结构扰动（如随机边/节点的丢弃）来增强用户-项二部图，然后最大化通过图编码器学习的不同视图下表示的一致性。问题：当将CL与推荐集成时，我们真的需要图增

只想做个咸鱼·2022-12-28 07:28

XSimGCL: Towards Extremely Simple GraphContrastive Learning for Recommendation 论文+代码解读

SimpleGraphContrastiveLearningforRecommendation论文代码解读_只想做个咸鱼的博客-CS

只想做个咸鱼·2022-12-28 07:28

【GCN-RS】对比学习SGL：Self-supervised Graph Learning for Recommendation (SIGIR‘21)

Self-supervisedGraphLearningforRecommendation(SIGIR‘21)还是何向南组提出的图自监督学习框架，对用户-物品的二部图上的节点、边做dropout等方法实现数据增强

chad_lee·2022-12-28 07:27

使用pyspark.mllib.recommendation做推荐案例-实现流程

经典案例：对user-movie-rating数据建模，用户获得可能喜爱的电影推荐，电影获得潜在观看用户以做营销推广。【另一篇博文介绍如何用评分数据进行电影和用户的聚类分析】movie数据下载地址：http://files.grouplens.org/datasets/movielens/ml-100k.zip解压后可以看到主要的三个数据文件，用户信息数据u.user，电影信息数据u.item，以

Just Jump·2022-12-26 15:08

论文《Contrastive Learning for Sequential Recommendation》

论文引入对比学习，提出ContrastiveLearningforSequentialRecommendation(CL4SRec).

巴拉巴拉朵·2022-12-26 11:57

论文《Sequential Recommendation with Graph Neural Networks》阅读

论文《SequentialRecommendationwithGraphNeuralNetworks》阅读论文概况IntroductionMethodA.InterestGraphConstructionB.Interest-fusionGraphConvolutionalLayerC.Interest-extractionGraphPoolingLayerD.PredictionLayer

wzj1212123·2022-12-26 11:57

IJCAI‘22 推荐系统论文梳理

【IJCAI2022】RecipeRec:AHeterogeneousGraphLearningModelforRecipeRecommendation论文链接：htt

AI算法札记·2022-12-26 11:25

阅读笔记-2022-Enhancing Sequential Recommendation with Graph Contrastive Learning

阅读笔记-EnhancingSequentialRecommendationwithGraphContrastiveLearningpaper：[2205.14837]EnhancingSequentialRecommendationwithGraphContrastiveLearning

柠檬汽水要加冰·2022-12-26 11:20

Machine learning week 9(Andrew Ng)

文章目录Recommendersystems1.Collaborativefiltering1.1Makingrecommendations1.2Usingper-itemfeatures1.3CollaborativeFilteringalgorithm1.4

小白有颗大白梦·2022-12-26 07:34

个性化习题推荐-Exercise recommendation based on knowledge concept prediction

一、基本信息时间：2020年期刊：Knowledge-BasedSystems（SCI1区）作者：吴正洋等（作者主页链接：http://faculty.scholat.com/homepage/scnu/cs/0/134）机构：华南师范大学二、论文五要素1、论文动机1.1背景：习题练习可以巩固学生的知识，推荐难度适中的习题可以指引学生正确的学习方向，同时还可以激发学生的学习兴趣。1.2目的：给学生

西汉高颜值豌豆·2022-12-26 00:48

Attentional Graph Convolutional Networks for Knowledge Concept Recommendation in MOOCs in a Heter---

AttentionalGraphConvolutionalNetworksforKnowledgeConceptRecommendationinMOOCsinaHeterogeneousView目录AttentionalGraphConvolutionalNetworksforKnowledgeConceptRecommendationinMOOCsinaHeterogeneousView

smile_point·2022-12-26 00:13

【论文解读 | SIGIR2020】异构视角下mooc知识概念推荐的注意图卷积网络

【论文链接】AttentionalGraphConvolutionalNetworksforKnowledgeConceptRecommendationinMOOCsinaHeterogeneousView

林若漫空·2022-12-26 00:41

复现KGAT: Knowledge Graph Attention Network for Recommendation（四）

复现KGAT:KnowledgeGraphAttentionNetworkforRecommendation（四）啊代码，是代码，我要写KGAT的代码了。

Lalune21·2022-12-25 18:59

复现KGAT: Knowledge Graph Attention Network for Recommendation（三）

复现KGAT:KnowledgeGraphAttentionNetworkforRecommendation（三）昨天写了复现KGAT系列的第二篇文章，准确的说那片文章里第二部分是昨天写的，第三部分是今天写的

Lalune21·2022-12-25 18:58

复现KGAT: Knowledge Graph Attention Network for Recommendation（一）

复现KGAT:KnowledgeGraphAttentionNetworkforRecommendation（一）该系列博客应该会有两部分，一部分是读论文，一部分是代码复现。

Lalune21·2022-12-25 18:28

复现KGAT: Knowledge Graph Attention Network for Recommendation（二）

复现KGAT:KnowledgeGraphAttentionNetworkforRecommendation（二）事情真是多啊。上篇博客8号写的，隔了3天才写第二篇。

Lalune21·2022-12-25 18:28

复现KGAT: Knowledge Graph Attention Network for Recommendation（五）

复现KGAT:KnowledgeGraphAttentionNetworkforRecommendation（五）4.19打开这堆代码看了半天，真TMD的难啊，这是我动手复现的第一篇推荐论文。

Lalune21·2022-12-25 18:28

KGAT: Knowledge Graph Attention Network forRecommendation——学习笔记

KnowledgeGraphAttentionNetworkforRecommendation：字面意思：用于推荐的知识图谱注意力网络，是基于知识图谱的图神经网络在推荐系统中的应用。

wdd_100·2022-12-25 18:25

KGAT: Knowledge Graph Attention Network for Recommendation

目录摘要1引言2任务定义3模型3.1嵌入层3.2注意力嵌入传播层3.3模型预测3.4优化4实验4.1数据描述4.2实验设置4.3模型表现RQ14.4消融实验RQ24.5案例研究RQ3摘要推荐算法引入sideinfo，传统算法（FM）假设每个交互都是一个带有sideinfo编码的独立实例，这些方法不足以从用户的集体行为中提取出协作信号。本文提出KGAT，显式地构造KG图中地高阶连通性。1引言CF模型

Dive_·2022-12-25 18:23

KGAT 2019（KDD）Knowledge Graph Attention Network for Recommendation

提出背景基于CF的方法无法利用用户和物品的辅助信息，像用户简介，物品属性，以及上下文环境，在用户和无匹交互较少的情况下表现较差。FM,NFM,Wide&Deep等模型将用户和物品表示为向量，同时将辅助信息表示为特征向量与用户，物品向量相结合，提高推荐的准确性。上述方法对用户与物品的每一个交互独立处理，并没有考虑他们之间的联系。从知识图谱中更加充分的可以挖掘用户和用户，物品和物品之间的关系。如图所示

TVfan·2022-12-25 18:23

[论文阅读] KGAT: Knowledge Graph Attention Network for Recommendation

原文：https://arxiv.org/pdf/1905.07854.pdf代码：https://github.com/xiangwang1223/knowledge_graph_attention_networkWhat:为了提供更准确、多样化和可解释的建议，必须超越对用户-物品交互的建模，并考虑到附加信息（比如KG）。在本文中，我们研究了知识图(KG)的效用，它通过将项目与其属性联系起来，打

让我安静会·2022-12-25 18:53

KGAT：Knowledge Graph Attention Network for Recommendation

emm…图片复制过来显示不了（因为我太懒了0.0），要看图的话可以去我的博客瞅瞅，嘿嘿嘿对了，有些英文短句假如翻译成中文，阅读的时候就太搞脑子了，所以我干脆就不翻译了我的博客地址：https://hikg.net/archives/123/Introduction作者认为：high-orderrelations（whichconnecttwoitemswithoneormultiplelinked

Moonpie.·2022-12-25 18:21

【论文翻译】KGAT: Knowledge Graph Attention Network for Recommendation

**【论文翻译】KGAT:KnowledgeGraphAttentionNetworkforRecommendation**论文题目：KGAT:KnowledgeGraphAttentionNetworkforRecommendation

大数据机器学习实验室·2022-12-25 18:50

【论文笔记】KGAT: Knowledge Graph Attention Network for Recommendation

原文作者：XiangWang，XiangnanHe，YixinCao，MengLiu，Tat-SengChua原文标题：KGAT:KnowledgeGraphAttentionNetworkforRecommendation

BodyCsoulN·2022-12-25 18:18

KGAT_基于知识图谱+图注意力网络的推荐系统（KG+GAT）

XiangWang,XiangnanHe,YixinCao,MengLiuandTat-SengChua(2019).KGAT:KnowledgeGraphAttentionNetworkforRecommendation.PaperinACMDLorPaperinarXiv.InKDD

默默然咯·2022-12-25 18:18

【KGAT】Knowledge Graph Attention Network for Recommendation

noteKGAT结合KG和GAT，在知识图谱三元组基础上，利用GAT进行消息传递，聚合出物品向量后与用户向量进行计算得到预测值。其实不结合KG，何向南团队之前也直接使用GNN做了NGCF和LightGCN。KGAT首先是CKG嵌入表示层使用TransR模型获得实体和关系的embedding；然后在attention表示传播层，使用attention求出每个邻居节点的贡献权重，需要把实体节点hhh自

山顶夕景·2022-12-25 18:46

推荐模型-序列推荐-2018：KSR

ImprovingSequentialRecommendationwithKnowledge-EnhancedMemoryNetworks."InSIGIR2018

u013250861·2022-12-25 06:42

KGAT: Knowledge Graph Attention Network forRecommendation

理解GATGAT采用了Attention机制，可以为不同节点分配不同权重假设Graph包含N个节点，每个节点的特征向量为hi，维度是F，如下所示对节点特征向量h进行线性变换，可以得到新的特征向量h'i，维度是F'，如下所示，W为线性变换的矩阵节点j是节点i的邻居，则可以使用Attention机制计算节点j对于节点i的重要性，即AttentionScore：GAT具体的Attention做法如下，把

Angeliaaa·2022-12-25 03:45

【GNN框架系列】DGL第二讲：使用Deep Graph Library实现GNN进行链接预测

在SocialRecommendation，Knowle

CHEONG_KG·2022-12-24 20:51

SIGIR2021 | DCDIR：深度跨领域保险推荐系统

上的预印版）论文信息：YeBi,LiqiangSong,MengqiuYao,ZhenyuWu,JianmingWang,andJingXiao.2020.DCDIR:ADeepCross-DomainRecommendationSystemforColdStartUsersinInsuranceDomain.Proceeding

猫岛主人·2022-12-24 13:54

翻译_第二章：《Explainable Recommendation: A Survey and New Perspectives》可解释推荐系统综述

上篇链接：翻译_第一章：《ExplainableRecommendation:ASurveyandNewPerspectives》可解释推荐系统综述综述第二章内容目录：2.InformationSourceforExplanations2.1ExplanationbasedonRelevantUsersorItems2.2Feature-basedExplanation2.3TextualSent

猫岛主人·2022-12-24 13:24

翻译_第三章：《Explainable Recommendation: A Survey and New Perspectives》可解释推荐系统综述

上篇链接：翻译_第二章：《ExplainableRecommendation:ASurveyandNewPerspectives》可解释推荐系统综述综述第三章内容目录：3.ExplainableRecommendationModels3.1OverviewofMachineLearningforRecommendation3.2FactorizationModelsforExplainableRe

猫岛主人·2022-12-24 13:24

翻译_第一章：《Explainable Recommendation: A Survey and New Perspectives》可解释推荐系统综述

综述摘要&第一章内容目录：ABSTRACT1.Introduction1.1ExplainableRecommendation1.2AHistoricalOverview1.3ClassificationoftheMethods1.4ExplainabilityandEffectivenessABSTRACT

猫岛主人·2022-12-24 13:24

【发表案例】Wiley旗下计算机电子类SCI，仅1个月14天录用

自主传感器网络的高级接口电路及其应用【截稿时间】2023.1.31录用案例：1个月14天录用2022.12.15|Accepted2022.11.22|MajorRevision2022.11.17|PendingRecommendation2022.11.01

WangUnionpub·2022-12-24 13:18

2020-SIGIR- Lightgcn: Simplifying and powering graph convolution network for recommendation

LightGCN当前RS中的GCN工作没有进行彻底的消融实验，本文实验发现GCN的两项设计**[特征转化]和[非线性激活函数]**不适用于协调过滤。提出了LightGCN，只使用了GCN的邻居聚合，线性传播信息，然后加权每一层的嵌入得到最终的表示。1引言CF的通用范式：①学习到用户和物品的隐含特征（嵌入/表示）；②基于嵌入向量进行预测。MF，直接将singleid作为嵌入SVD++，将历史交互物品

Dive_·2022-12-24 08:13

TensorFlow2实现协同过滤算法中的矩阵分解（首家基于TS2版本）

好奇为什么TensorFlow2不帮我们实现了，在Spark中，直接调用spark.mllib.recommendation.ALS()就好了。内容：在推荐系统中，协同过滤算法是很常用的推荐算法。

浪漫的数据分析·2022-12-23 22:29

论文《Behavior Sequence Transformer for E-commerce Recommendation in Alibaba》

阿里BST论文地址：https://arxiv.org/pdf/1905.06874.pdf19年阿里这篇推荐论文也是紧贴热点，将Transformer应用到提取用户序列上面，提出TransformerLayer，提取用户序列信息。网络结构图如下TransformerLayer其实是Transformer的encoder部分用户序列的输入分为2种，一种叫SequenceItemFeatures，一

巴拉巴拉朵·2022-12-23 07:02

论文《Controllable Multi-Interest Framework for Recommendation》

阿里ComiRec论文地址：https://dl.acm.org/doi/pdf/10.1145/3394486.3403344git地址：https://github.com/THUDM/ComiRec/阿里的ComiRec是对多兴趣召回的一个阶段性总结。多兴趣抽取模块总结了2种方法：一个是之前应用到MIND的CapsuleNetwork，一个是Self-Attention对于Self-Atte

巴拉巴拉朵·2022-12-23 07:01

神码ai人工智能写作机器人_机器学习和人工智能中的多样性推荐系统

(EverydayyouarebeinginfluencedbymachinelearningandAIrecommendationalgorithms.)WhatyouconsumeonsocialmediathroughFac

weixin_26730921·2022-12-23 07:29

Simple Graph Contrastive Learning for Recommendation

SimpleGraphContrastiveLearningforRecommendationlink：https://arxiv.org/pdf/2112.08679.pdfcode：https://

怼怼是酷盖·2022-12-22 14:28

推荐频道

Recommendation

论文阅读6-----基于强化学习的推荐系统 Deep Reinforcement Learning for List-wise Recommendations

基于强化学习的可解释性推荐 文献三篇

3.Deep Neural Networks for YouTube Recommendations论文精细解读

召回模型：Youtube

YouTube DNN论文精读

论文阅读《Deep Neural Networks for YouTube Recommendations》

推荐系统论文：Deep Neural Networks for YouTube Recommendations

Weighted Logistic Regression和Youtube时长预估

Simple GraphContrastive Learning for Recommendation 论文代码解读

XSimGCL: Towards Extremely Simple GraphContrastive Learning for Recommendation 论文+代码解读

【GCN-RS】对比学习SGL：Self-supervised Graph Learning for Recommendation (SIGIR‘21)

推荐系统遇上深度学习(一四一)-[快手]移动端实时短视频推荐

使用pyspark.mllib.recommendation做推荐案例-实现流程

论文《Contrastive Learning for Sequential Recommendation》

论文《Sequential Recommendation with Graph Neural Networks》阅读

推荐算法论文笔记01-《Sequential Recommendation with Graph Neural Networks》

IJCAI‘22 推荐系统论文梳理

阅读笔记-2022-Enhancing Sequential Recommendation with Graph Contrastive Learning

Machine learning week 9(Andrew Ng)

个性化习题推荐-Exercise recommendation based on knowledge concept prediction

Attentional Graph Convolutional Networks for Knowledge Concept Recommendation in MOOCs in a Heter---

【论文解读 | SIGIR2020】异构视角下mooc知识概念推荐的注意图卷积网络

复现KGAT: Knowledge Graph Attention Network for Recommendation（四）

复现KGAT: Knowledge Graph Attention Network for Recommendation（三）

复现KGAT: Knowledge Graph Attention Network for Recommendation（一）

复现KGAT: Knowledge Graph Attention Network for Recommendation（二）

复现KGAT: Knowledge Graph Attention Network for Recommendation（五）

KGAT: Knowledge Graph Attention Network forRecommendation——学习笔记

KGAT: Knowledge Graph Attention Network for Recommendation

KGAT 2019（KDD）Knowledge Graph Attention Network for Recommendation

[论文阅读] KGAT: Knowledge Graph Attention Network for Recommendation

KGAT：Knowledge Graph Attention Network for Recommendation

【论文翻译】KGAT: Knowledge Graph Attention Network for Recommendation

【论文笔记】KGAT: Knowledge Graph Attention Network for Recommendation

KGAT_基于知识图谱+图注意力网络的推荐系统（KG+GAT）

【KGAT】Knowledge Graph Attention Network for Recommendation

推荐模型-序列推荐-2018：KSR

KGAT: Knowledge Graph Attention Network forRecommendation

【GNN框架系列】DGL第二讲：使用Deep Graph Library实现GNN进行链接预测

SIGIR2021 | DCDIR：深度跨领域保险推荐系统

翻译_第二章：《Explainable Recommendation: A Survey and New Perspectives》可解释推荐系统综述

翻译_第三章：《Explainable Recommendation: A Survey and New Perspectives》可解释推荐系统综述

翻译_第一章：《Explainable Recommendation: A Survey and New Perspectives》可解释推荐系统综述

【发表案例】Wiley旗下计算机电子类SCI，仅1个月14天录用

2020-SIGIR- Lightgcn: Simplifying and powering graph convolution network for recommendation

TensorFlow2实现协同过滤算法中的矩阵分解（首家基于TS2版本）

论文《Behavior Sequence Transformer for E-commerce Recommendation in Alibaba》

论文《Controllable Multi-Interest Framework for Recommendation》

神码ai人工智能写作机器人_机器学习和人工智能中的多样性推荐系统

Simple Graph Contrastive Learning for Recommendation

基于强化学习的可解释性推荐文献三篇