Recommender

CTR预估 论文精读(十)--xDeepFM: Combining Explicit and Implicit Feature Interactions for Recommender Systems

1.手动提取特征的缺点挖掘高质量的交互特征需要非常专业的领域知识并且需要做大量尝试，耗费时间和精力。在大型推荐系统中，原生特征非常庞大，手动挖掘交叉特征几乎不可能。挖掘不出肉眼不可见的交叉特征。2.FM系列模型FM模型：提取隐向量然后做内积的形式来提取交叉特征，扩展的FM模型更是可以提取随机的高维特征（DeepFM），缺点：会学习所有交叉特征，其中肯定会包含无用的交叉组合，这些组合会引入噪音降低模
dby_freedom·2020-06-21 19:42

图卷积网络、图神经网络必读论文

2.3PoolingMethods 2.4Analysis 2.5Efficiency3.Applications 3.1Physics 3.2ChemistryandBiology 3.3KnowledgeGraph 3.4RecommenderSystems
yyl424525·2020-06-21 15:23

mahout 详解

mahout推荐商品给用户：recommender.recommender(a,b);第一个参数是向几号用户推荐，第
首席撩妹指导官·2020-06-21 05:33

【GNN】PinSAGE：GCN 在工业级推荐系统中的应用

今天学习的是Pinterest和斯坦福大学2018年合作的论文《GraphConvolutionalNeuralNetworksforWeb-ScaleRecommenderSystems》，目前有200
阿泽的学习笔记·2020-06-21 04:27

（论文阅读笔记）Deep Learning based Recommender System: A Survey and New Perspectives

为了交英语作业机翻了这篇论文的一些部分，由于时间有限，感兴趣的内容有时间再翻1引言：推荐系统出现的背景：在这个信息爆炸的时代，许多用户都要面临信息过载的负担，推荐系统可以为用户过滤掉大部分用户不感兴趣的内容，帮助用户高效的找到感兴趣的东西。推荐系统在许多领域都已经成功应用，例如娱乐、购物、媒体等信息量冗余的领域。推荐系统在各个领域扮演者至关重要和必不可少的角色来提升业务和更方便的制定业务决策[69
程序猿_大小子·2020-06-21 03:21

推荐系统经典论文

转：https://blog.csdn.net/Allenalex/article/details/79491483综述类:1、TowardstheNextGenerationofRecommenderSystems
_Junwei·2020-06-21 02:22

不知道不 OK！53 个 Python 经典面试题详解

如果我在面试前提前了解一下Python的线程生命周期，而不是它的RecommenderSystem（推荐系
CSDN资讯·2020-06-21 00:43

推荐系统公平性之组推荐的公平性--fairness in group recommender system

主要参考论文：《Top-NGroupRecommendationswithFairness》什么是组推荐（grouprecommendation）组推荐，顾名思义，就是向一组人推荐物品，而不是传统场景下的对单个人推荐。组的构成分为两种：一是长期型组（persistentgroup），如一家人；另一种是短期型组（ephemeralgroup），几个朋友、同事临时组局。虽然感觉平时没有APP有这种组推
cqu_shuai·2020-06-21 00:10

论文浅尝 | 中科院百度微软等学者最新综述论文40+最新方法阐述知识图谱提升推荐系统准确性与可解释性...

最近中科院计算所百度微软等学者最新综述论文《ASurveyonKnowledgeGraph-BasedRecommenderSystems》，阐述对基于知识图谱的推荐系统进行了系统的研究。
开放知识图谱·2020-06-20 23:39

TrueDei

本文所有代码和sql文件，全放在了github上，可自行下载：https://github.com/8042965/recommenderSystem文章目录一、什么是推荐系统二、利用数学解决相似度问题
TrueDei·2020-06-20 21:03

必读！53个Python经典面试题详解

如果我在面试前提前了解一下Python的线程生命周期，而不是它的RecommenderSystem（推荐系统）的话，我可能会在面
AI科技大本营·2020-06-20 20:01

推荐系统论文集锦

【导读】本文整理了一系列推荐系统相关的论文Github链接：https://github.com/mengfeizhang820/Paperlist-for-Recommender-Systems综述论文
文文学霸·2020-06-13 21:19

Query-Based Muisc Recommendataions via Preference Embedding

Theideaofquery-basedrecommendationisproposedinthispaper,whichisahybridresearchworkofinformationretrievalandgeneralrecommendersystems
LuckPsyduck·2020-05-31 15:00

xDeepFM

1.xDeepFM:CombiningExplicitandImplicitFeatureInteractionsforRecommenderSystems2.广告领域模型发展梳理以及最新模型xDeepFM
xyq_learn·2020-04-11 13:32

我的论文阅读列表

推荐系统广告算法CTR预估CVR预估RecommenderSystems《DeepNeuralNetworksforYouTubeRecommendations》《Wide&DeepLearningforRecommenderSystems
坚持努力目标·2020-03-21 10:34

2019-03-28

Wide&DeepLearningforRecommenderSystems(Google&Facebook推荐)1、背景文章提出的Wide&Deep模型，旨在使得训练得到的模型能够同时获得记忆（memorization
jessica涯·2020-03-16 11:17

R开发：协调过滤推荐

set.seed(1234)#加载数据包library("recommenderlab")#构造数据运用recommenderlab包实现协同过滤推荐，其数据类型采用S4类构造，需通过as()函数转为raringMatrix
slade_sal·2020-03-04 02:13

lecture 1

1.machinelearning研究如何使机器从一开始的遵循简单规则到可以根据以往经验做出自主判断/行为预测（对data的pattern进行研究）2.举例：recommendersystems:第一种方法是找到过往搜索中出现过的
Eleni·2020-02-18 12:00

开源| 用PaddlePaddle & Milvus 轻松搭建个性化推荐系统

为了解决这个问题，个性化推荐系统（RecommenderSystem）应运而生。
ZILLIZ·2020-02-16 04:30

Recommender System(Social Computing)(0)

1.Background:what'ssocialcomputing?简单来说，socialcomputing就是利用人群解决机器难以解决的问题（难以通过算法解决）一般socialcomputing会大面积的利用到数据库，有点像大数据方向。然后训练机器，又有点像machinelearning方向，如何与数据库交互成为衡量代码质量好坏的标准之一。2.Today'sfeedSocialComputin
我橙我橙·2020-02-08 17:46

论文笔记汇总

推荐算法2018-07-16ImprovingImplicitRecommenderSystemswithViewData[summary]转载系列2018-07-18ScalableTime-DecayingAdaptivePredictionAlgorithm
名字真的不重要·2020-02-08 16:19

PP: Neural tensor factorization

relationaldata.Neuralcollaborativefilteringandrecurrentrecommendersystemshavebeensuccessfulinmodelinguser-itemrelationaldata.However
keeps_you_warm·2020-02-06 22:00

vertical-pod-autoscaler源码解析——recommender

首先clone代码gitclonehttps://github.com/kubernetes/autoscaler.gitimagerecommender根据以上的图，我们先来看一下recommender
深空灰_f76d·2020-01-08 13:18

推荐系统经典论文

综述类:1、TowardstheNextGenerationofRecommenderSystems:ASurveyoftheState-of-the-ArtandPossibleExtensions。
visiontry·2020-01-05 19:33

Wide & Deep Learning for Recommender Systems

推荐系统WideComponent:一层线性结构（类似lr），特征包括rawfeature以及手工特征（如crossproduct）DeepComponent：embedding离散特征到低维densevector，接dnnJointTraining：jointtraining与ensemble不同，ensemble需要相互独立的largemodel来确保准确性，而jointtraining每一部
小绿叶mj·2020-01-03 16:02

推荐模型的自适应细粒度正则化

KDD'19论文LambdaOpt:LearntoRegularizeRecommenderModelsinFinerLevels论文链接：https://arxiv.org/abs/1905.11596
Yihong_Daily·2020-01-02 10:36

《Wide & Deep Learning for Recommender Systems》

推荐系统CTR预估CVR预估0、概述线性模型被广泛地应用于回归和分类问题，具有简单、快速和可解释性等优点，但是线性模型的表达能力有限，经常需要人工选择特征和交叉特征才能取得一个良好的效果，但是实际工程中的特征数量会很多，并且还会有大量的稀疏特征，人工筛选特征和交叉特征会很困难，尤其是交叉高阶特征时，人工很难实现。DNN模型可以很容易的学习到高阶特征之间的作用，并且具有很好的泛化能力。同时，DNN增
坚持努力目标·2019-12-31 13:22

论文阅读笔记 Wide & Deep Learning for Recommender Systems

参与了dantezhao的一个论文阅读计划paper-notes将阅读成果分享到博客本文讲解了广度和深度学习相结合的方法，并以GooglePlay为例，介绍了该方法在推荐系统实践中的应用带着问题阅读：1.what:Wide&DeepLearning的两部分，分别是什么2.why:为什么将二者相结合3.how:广度和深度相结合的具体实现0.摘要对已知特征，广度线性模型(widelinearmodel
郑大能·2019-12-29 15:53

推荐系统遇上深度学习(七十一)-[华为]一种消除CTR预估中位置偏置的框架

本文介绍的论文是：《PAL:APosition-biasAwareLearningFrameworkforCTRPredictioninLiveRecommenderSystems》论文下载地址为：https
文哥的学习日记·2019-12-14 20:29

【论文整理】推荐系统论文归类总结

的推荐基于标签的推荐基于自编码器Item2Vec上下文感知模型基于视觉的推荐基于RNN的推荐基于图的推荐基于树的推荐公司的推荐系统的发展历程数据集参考资料版权声明综述《DeepLearningbasedRecommenderSystem
DrogoZhang·2019-12-14 18:01

论文笔记 | DLRS2016 | Wide & Deep Learning for Recommender Systems

wide-deep-title.png论文地址：https://arxiv.org/abs/1606.07792一为什么读这篇自从打算重新搞推荐以来，看了各种各样的资料，收集了一堆TODO论文，发现这篇出现频率十分之高，是深度学习与推荐系统相结合的必读论文之一，因为很多新出的模型都是在这个架构的基础上进行迭代的。而且有google的实际产品背书，工程上大概率是实用的。二截止阅读时这篇论文的引用次数
ktulu7·2019-12-13 06:00

机器学习-吴恩达9(2)-推荐系统

推荐系统RecommenderSystems推荐系统概述常见的推荐系统有三种主要的应用常景个性化推荐：常以“推荐”、“猜你喜欢”、“发现”等形式出现，一般放在首页位置相关推荐：常以“相关推荐”、“看了还看
皮皮大·2019-12-08 23:16

推荐系统&知识图谱(2)---RippleNet

论文：RippleNet:PropagatingUserPreferencesontheKnowledgeGraphforRecommenderSystems，CIKM，2018，MicrosoftResearchAsia
weberweber·2019-11-30 03:57

推荐系统&知识图谱(4)---KGCN

论文：KnowledgeGraphConvolutionalNetworksforRecommenderSystems，WWW，2019，MicrosoftResearchAsia1.应用背景知识图谱卷积网络
weberweber·2019-11-29 22:14

推荐系统&知识图谱(5)---KGNN-LS

论文：Knowledge-awareGraphNeuralNetworkswithLabelSmoothnessRegularizationforRecommenderSystems，KDD，2019，
weberweber·2019-11-29 14:29

RippleNet: Propagating User Preferences on the Knowledge Graph for Recommender Systems

一、摘要为了解决协同过滤的稀疏性和冷启动问题，社交网络或项目属性等辅助信息被用来提高推荐性能。考虑到知识图谱是边信息的来源，为了解决现有的基于嵌入和基于路径的知识图谱感知重构方法的局限性，本文提出了一种端到端框架，它自然地将知识图结合到推荐系统中。与水上传播的实际涟漪类似，RippleNet通过在知识图谱实体集上传播用户兴趣，从而自主迭代地沿着知识图谱中的链接来扩展用户的潜在兴趣。因此，由用户的历
Lee_yl·2019-11-28 14:00

机器学习 | 基于Iris数据集的分类模型评估指标分析

最近看了一篇2011年在The5thACMconference上的论文《SettingGoalsandChoosingMetricsforRecommender》，论文对推荐系统中常用的预测评分准确度、
cathy1997·2019-11-15 17:53

Paper | Deep & Cross Network for Ad Click Predictions

不错的参考资料DeepandCrossNetwork原理及实现（有原理有代码）Wide&DeepLearningforRecommenderSystemsGoogle的另一篇推荐系统的类似paperKeras
步晓德·2019-11-08 20:02

wide & deep learning for recommender systems论文翻译

摘要处理非线性特征的广义线性模型在高维稀疏输入的回归和分类问题中被广泛使用的。通过cross-product特征模型具有很好的可解释性，但意味着特征工程的工作量非常巨大。使用很少的特征，深度学习网络通过低维向量embeddings操作后会比大量特征产生更好的效果。不过，在用户交互稀疏和高排名的情况下，使用embedding的深度学习网络可能高度概括特征信息，使得推荐相关性较小的item给用户。在这
celine_zhou·2019-11-04 20:10

2016-《Wide&Deep Learning for Recommenders Systems》论文笔记

1.背景  本文提出Wide&Deep模型，旨在使得训练得到的模型能过同时获得记忆（memorization）和泛化（generalization）能力：  （若只有Wide部分，推荐具有极高的相关性而缺少泛化内容；若只有Deep部分，推荐存在过度泛化和推荐缺乏相关性的问题；所以将两者相结合使模型同时获得记忆和泛化能力。）  -记忆（memorization）即从历史数据中发现item或者特征之间
肥了个大西瓜·2019-11-01 10:31

阿里搜索技术，在AI路上走了多远？

在信息检索和个性化领域近几年也有不少公开文献，比如wide&deep实现了深度模型和浅层模型的结合，dssm用于计算语义相关性，deepfm增加了特征组合的能力，deepCF用深度学习实现协同过滤，rnnrecommender
阿里云云栖社区·2019-10-31 04:26

基于深度学习的推荐系统

原文链接：https://blog.csdn.net/xc_zhou/article/details/95077741在微信公众号“机器之心”中无意中看到的论文：DeepLearingbasedRecommenderSystem
Harrytsz·2019-10-17 21:33

eclipse/sts根据多个单词的首字母提示补全:增强代码提示插件Code Recommenders安装

0为什么写关于eclipse/sts的插件：CodeRecommenders？之前使用的是sts默认支持CodeRecommenders功能。
菠萝科技·2019-10-14 23:46

推荐系统实践(5)---Wide&Deep Learning

论文：Wide&DeepLearningforRecommenderSystems，DLRS，2016，Google业务背景GooglePlay是一个由Google为Android设备开发的在线应用程序商店
weberweber·2019-09-29 07:57

wide-deep论文翻译（六）

题目：Wide&DeepLearningforRecommenderSystems摘要（本文出自公众号：AI爱好者社区）具有非线性特征变换的广义线性模型被广泛用于稀疏输入的大规模回归和分类问题。
learner_ctr·2019-09-23 19:21

推荐系统遇上深度学习(六十三)-[阿里]大型推荐系统中的深度序列匹配模型SDM

今天介绍的论文是：《SDM:SequentialDeepMatchingModelforOnlineLarge-scaleRecommenderSystem》论文下载地址为：https://arxiv.org
文哥的学习日记·2019-09-14 13:46

论文笔记: Deep Learning based Recommender System: A Survey and New Perspectives

(聊两句,突然记起来以前一个学长说的看论文要能够把论文的亮点挖掘出来,合理的进行概括23333)传统的推荐系统方法获取的user-item关系并不能获取其中非线性以及非平凡的信息,获取非线性以及非平凡的信息恰恰是深度学习所具备的特点.论文对基于深度的学习的推荐系统方法进行了对比以及分类.文章的主要贡献有以下三点:>对基于深度学习技术的推荐模型进行系统评价，并提出一种分类和组织当前工作的分类方案.>
吃不饱吃不饱·2019-08-23 14:00

论文笔记: Matrix Factorization Techniques For Recommender Systems

Recommendersystemstrategies通过例子简单介绍了一下collaborativefiltering以及latentmodel,这两个方法在之前的博客里面介绍过,不累述.Matrixfactorizationmethods
吃不饱吃不饱·2019-08-23 09:00

论文笔记 | arXiv | Deep Learning-based Sequential Recommender Systems: Concepts, Algorithms, and Eval...

dlsrs-title.png论文地址：https://arxiv.org/abs/1905.01997一为什么读这篇已经看了几篇用Attention做序列推荐的具体方法，正好在这个过程中找到了这篇综述，看日期还蛮新，是最近刚出不久的，期望是能从综述里挖出一些可以继续做的方向。二截止阅读时这篇论文的引用次数2019.7.150次。三相关背景介绍中了19年的ICWE（这是什么会。。），同年5月挂到a
ktulu7·2019-08-12 23:34

【文章翻译+笔记】Towards the Next Generation of Recommender Systems:A Survey of the State-of-the-Art and Pos

TowardstheNextGenerationofRecommenderSystems:ASurveyoftheState-of-the-ArtandPossibleExtensions下一代推荐系统
*晴儿*·2019-08-03 15:06
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他