Recommender

吴恩达Coursera, 机器学习专项课程, Machine Learning：Unsupervised Learning, Recommenders, Reinforcement Learning第.

吴恩达Coursera,机器学习专项课程,MachineLearning：UnsupervisedLearning,Recommenders,ReinforcementLearning第二周所有jupyternotebook
ZhemgLee·2022-12-04 20:18

供应链供需预估-[时间序列]

供需预估时间序列Coding代码：https://github.com/Stormzudi/Recommender-System-with-TF_Pytorch/tree/main/rec_examples
ZhuNian的学习乐园·2022-12-04 12:07

ACM recsys十年回顾(转载)

十年回顾2007本年度并没有公开的Tutorial，但从会议收录的文章主题，可以看到本届会议重点讨论的话题是：隐私和信任，协同过滤2008RobustRecommenderSystems作者
东心十·2022-12-03 17:33

【综述】推荐系统偏差问题 & 去偏最新研究进展（Bias and Debias in Recommender System）

文章目录1.推荐系统的反馈回路1.1User->Data1.2Data->Model1.3Model->User2.推荐系统中的Bias2.1数据偏差(databias)2.1.1选择偏差(SelectionBias)2.1.2曝光偏差(ExposureBias)2.1.3一致性偏差(ConformityBias)2.1.4位置偏差(PositionBias)2.2模型偏差(BiasinModel
·2022-12-01 05:12

Graph Convolutional Neural Networks for Web-Scale Recommender Systems

基于图卷积神经网络的web规模推荐系统摘要图结构数据的深度神经网络的最新进展，给推荐系统基准测试带来了先进的性能。然而，如何使这些方法切实可行并可扩展到具有数十亿条目和数亿用户的网络推荐任务中仍然是一个挑战。在这里，我们描述了一个我们在Pinterest开发并部署的大规模深度推荐引擎。我们开发了一种数据高效的图卷积网络(GCN)算法PinSage，它结合了高效的随机游动和图卷积来生成包含图结构和节
怀怀怀怀·2022-11-30 15:48

吴恩达机器学习课程笔记+代码实现(25)16.推荐系统(Recommender Systems)

16.推荐系统(RecommenderSystems)文章目录16.推荐系统(RecommenderSystems)16.1问题形式化16.2基于内容的推荐系统16.3协同过滤16.4协同过滤算法16.5
geekxiaoz·2022-11-29 09:45

【推荐系统】【论文阅读笔记】【survey】Hybrid Recommender Systems: Survey and Experiments

一、推荐技术简介：论文链接：https://www.researchgate.net/publication/263377228_Hybrid_Recommender_Systems_Survey_and_ExperimentsCF
yong_ss·2022-11-29 09:14

吴恩达机器学习系列课程笔记——第十六章：推荐系统(Recommender Systems)

16.1问题规划https://www.bilibili.com/video/BV164411b7dx?p=96在接下来的视频中，我想讲一下推荐系统。我想讲推荐系统有两个原因：第一、仅仅因为它是机器学习中的一个重要的应用。在过去几年，硅谷不同的技术公司，吴恩达老师常和工作在这儿致力于机器学习应用的人们聊天，问他们觉得最重要的机器学习的应用是什么，或者他们最想改进的机器学习应用有哪些。我最常听到的答
Lishier99·2022-11-29 09:40

机器学习学习笔记（十四）—— 推荐系统(recommender systems)/协同过滤算法(callaborative filtering)

一个电影推荐系统的例子：符号定义：:用户数量:电影数量n:电影特征种类r(i,j):用户j是否对电影i评分(0/1)y(i,j):用户j对电影i的评分，未评分为undefined:用j对应的参数向量():电影i的特征向量()Foruserj,moviei,predictedrating::用户j评价过的电影数量学习,优化目标函数:梯度下降更新公式：注：以上是基于内容的推荐算法（因为已经有了电影的特
lancetop-stardrms·2022-11-29 09:39

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 16—Recommender Systems 推荐系统...

Lecture16RecommenderSystems推荐系统16.1问题形式化ProblemFormulation在机器学习领域，对于一些问题存在一些算法，能试图自动地替你学习到一组优良的特征。
weixin_30807677·2022-11-29 09:38

MATRIX FACTORIZATION TECHNIQUES FOR RECOMMENDER SYSTEMS论文笔记；推荐系统中的矩阵分解（MF）

MATRIXFACTORIZATIONTECHNIQUESFORRECOMMENDERSYSTEMSYehudaKoren,YahooResearchRobertBellandChrisVolinsky
chaiiiiiiiiiiiiiiiii·2022-11-29 09:35

机器学习课程笔记（第九周-2）推荐系统

www.coursera.org/learn/machine-learning参考文章：https://www.cnblogs.com/maxiaodoubao/p/10220632.html推荐系统RecommenderSystems
骨骼惊奇不信邪·2022-11-29 09:34

推荐系统论文阅读笔记（一）Wide & Deep Learning for Recommender Systems

wideanddeep模型的核心思想是结合线性模型的记忆能力（memorization）和DNN模型的泛化能力（generalization），在训练过程中同时优化2个模型的参数，从而达到整体模型的预测能力最优。1.Wide&Deep模型介绍wide部分，也就是广义线性模型，广泛用于大规模的回归和分类问题。一般：线性模型+特征交叉优点是具有较强的记忆能力，并且可解释性很强缺点是泛化能力弱，需要通过
ObsidianL·2022-11-29 09:04

序列化推荐系统总结：Sequential Recommender Systems: Challenges, Progress and Prospect

作者：一元，公众号：炼丹笔记，特约审稿：杰少背景序列推荐系统(SRS)不同于传统推荐系统（RSs）包括协同过滤和基于内容的过滤，SRSs试图理解和建模用户的连续行为、用户与物品之间的交互作用以及用户偏好和商品流行度随时间的变化。SRS涉及到以上几个方面，以便更精确地描述用户上下文、意图和目标，以及物品消费趋势，从而得到更准确、定制和动态的推荐。本篇文章我们对SRSs进行了系统的回顾。我们先介绍SR
炼丹笔记·2022-11-29 09:32

学习笔记-推荐系统(Recommender systems)

推荐系统在现实中的应用很广：购物网站会根据顾客的购物历史给顾客推荐商品；电影网站也会根据你对一些电影的评分为你推荐新的电影。学完这一章后，发现这背后的逻辑还是挺简单的。基本假设：用户对某电影的评分由该电影的内容属性组合(X)和用户对这些内容属性的喜好程度(Theta)所决定。1.Contentbasedrecommendations所谓Contentbased，即已知每部电影的内容属性，包括浪漫、
Dmoll·2022-11-29 09:32

吴恩达机器学习笔记week16——推荐系统 Recommender Systems

吴恩达机器学习笔记week16——推荐系统RecommenderSystems16-1.问题规划Problemformulation——机器学习自动学习选取一系列适合的特征16-2.基于内容的推荐算法Content-basedrecommendations16
Saulty·2022-11-29 08:30

【含课程pdf & 测验答案】吴恩达-机器学习公开课 学习笔记 Week9-2 Recommender Systems

吴恩达-机器学习公开课学习笔记Week9-2RecommenderSystems9-2RecommenderSystems课程内容9-2-1PredictingMovieRatingsProblemFormulationContentBasedRecommendations9
CodingRae·2022-11-29 08:26

【机器学习】课程笔记15_推荐系统(Recommender Systems)

推荐系统问题规划（ProblemFormulation）基于内容的推荐算法（Content-BasedRecommendations）协同过滤（CollaborativeFiltering）协同过滤算法（CollaborativeFilteringAlgorithm）矢量化：低秩矩阵分解（Vectorization:LowRankMatrixFactorization）实施细节：均值规范化（Imp
雀栎·2022-11-29 08:24

Controllable Multi-Interest Framework for Recommendation 论文阅读笔记

1.ABSTRACT1.1e-commercerecommendersystems近年来，由于深度学习的快速发展，神经网络在电子商务推荐系统中得到了广泛的应用，并且将推荐系统形式化为一个顺序推荐问题，并打算预测用户可能被交互的下一个项目
寂ღ᭄秋࿐·2022-11-29 08:35

知识图谱论文阅读（十六）【WWW2019】Knowledge Graph Convolutional Networks for Recommender

题目：KGCN论文链接：代码链接：https://github.com/hwwang55/KGCN想法高阶的意思就是multi-hop的意思注意是从外向里聚合的，第h-1跳是外侧，第h跳是里侧！所以才有聚合邻居和本身之说创新摘要为了充分利用KG中的信息，我们会扩展某个实体的感受野到multi-hop来捕获KG的高阶结构信息和语义信息。数据集：电影、书籍和音乐推荐Introduction常用的KGE
追赶早晨·2022-11-28 23:42

KGCN 2019 (WWW) Knowledge Graph Convolutional Networks for Recommender Systems

基于KG推荐的优点KG中项目之间的丰富语义关联可以帮助探索用户物品间潜在的联系并提高结果的准确性。KG中的各种关系有助于合理地扩展用户的兴趣并增加推荐项目的多样性KG连接了用户的历史喜欢和推荐的商品，从而为推荐系统带来了可解释性。本文的探索本文主要的目标是利用知识图谱中高阶结构和语义信息提高推荐的准确性，并提供推荐合理的可解释性。受到了GCN的启发，对于知识图谱中的实体，利用其邻居信息和偏差计算该
TVfan·2022-11-28 23:42

知识图谱论文阅读（十五）【arxiv】A Survey on Knowledge Graph-Based Recommender Systems

论文题目：ASurveyonKnowledgeGraph-BasedRecommenderSystems论文链接：论文代码：想法出现Refine就是用某些方法更好的优化特征表示embed的意思就是变成低维向量
追赶早晨·2022-11-28 23:41

KGCN 论文阅读笔记

KGCN论文笔记原文链接:KnowledgeGraphConvolutionalNetworksforRecommenderSystems1问题定义1.1已知条件大小为M的用户集U={u1,u2,...
Patrick_cyk·2022-11-28 23:11

KGCN：Knowledge Graph Convolutional Networks for Recommender Systems

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/119/IntroductionAdvantagesofKG-basedRS将KG整合进推荐系统具有以下3种优点：KG中的item之间具有丰富的语义关联性，可以帮助探索
Moonpie.·2022-11-28 23:09

KGCN_基于知识图谱的推荐系统（KG+GCN）

KnowledgeGraphConvolutionalNetworksforRecommenderSystemsHongweiWang,MiaoZhao,XingXie,WenjieLi,MinyiGuo.InProceedingsofThe2019WebConference
默默然咯·2022-11-28 23:37

推荐模型-基于知识图谱-2019：KGNNLS

Knowledge-awareGraphNeuralNetworkswithLabelSmoothnessRegularizationforRecommenderSystems."
u013250861·2022-11-28 13:10

推荐系统（Recommender System）笔记 01：推荐系统的演化

推荐系统（RecommenderSystem）01推荐系统的架构数据部分模型部分传统推荐模型协同推荐（CollaborativeFiltering）矩阵分解（MatrixFactorization）逻辑回归
MYJace·2022-11-28 13:30

5.Wide & Deep Learning for Recommender Systems论文详细解读和代码实现

一、总述Wide&Deep作为一篇推荐领域的经典论文，不仅具有很高的研读价值，而且在推荐和广告领域得到了极大的推广和应用。该论文的思想归结起来就是两个词：Wide&Deep。Wide模型用来从训练数据中学得出现频率高的特征或者特征组合，也就是论文提到的模型的memorization能力；Deep模型则用来从训练数据中学得出现频率低或者没出现过的特征组合，也就是论文提到的模型的generalizat
eligible-zzw·2022-11-28 11:41

（推荐系统）Wide&Deep算法：Wide & Deep Learning for Recommender Systems

摘要为改进经典推荐算法对特征工程的高依赖性以及深度学习方案因产生过多冗余信息而计算量增大的问题，Cheng等人提出了一种可以兼备记忆性以及泛化性的深度学习模型：Wide&Deep。Wide&Deep的模型结构简单，由wide以及deep两部分组成，在深度学习领域在推荐算法的应用中具有里程碑式的意义。1.推荐算法中的两大任务Cheng等人认为推荐算法主要需要解决两大问题：记忆性（memorizati
PYIPHANG·2022-11-28 11:00

【推荐算法论文】Wide & Deep模型

论文背景题目：Wide&DeepLearningforRecommenderSystems作者：Heng-TzeCheng,LeventKoc,JeremiahHarmsen,TalShaked,TusharChandra
靖待·2022-11-28 11:55

序列推荐阅读指南，从MC到Attention，附所有论文PDF～

论文（1）：Sequentialrecommendersystems:challenges,progressandpros
Blank_spaces·2022-11-27 21:03

【推荐算法代码实现】Deep Interest Network for Click-Through Rate Prediction代码实现和解读

论文解读见【推荐算法】深度学习推荐算法综述DeepLearningbasedRecommenderSystem:ASurveyandNewPerspectives第6.2小节。
CC‘s World·2022-11-27 05:21

【IJCAI2021】《Graph Learning based Recommender Systems:A Review》论文笔记

《GraphLearningbasedRecommenderSystems:AReview》《图学习推荐系统：回顾/综述》目录文章目录《GraphLearningbasedRecommenderSystems
哈喽十八子·2022-11-27 04:31

【论文阅读笔记】Multi-modal Knowledge Graphs for Recommender Systems

Multi-modalKnowledgeGraphsforRecommenderSystems1.背景现有的推荐系统主要分为两种方法，基于内容和协同过滤。
想不出名字就这么着吧·2022-11-26 11:43

【论文笔记】KGCN：知识图谱 + 图卷积神经网络的推荐系统

KnowledgeGraphConvolutionalNetworksforRecommenderSystemsHongweiWang,MiaoZhao,XingXie,WenjieLi,MinyiGuo.InProceedingsofThe2019WebConference
HicSuntLeones·2022-11-26 11:41

“Reinforcement Learning based Recommender Systems: A Survey“强化学习用于推荐系统 综述

本篇文章只是一个简单的总结翻译，要想详细了解相关知识还是去看看原文吧~目录1introductioncontribution2Preliminaries2.1RecommenderSystems2.2ReinforcementLearningandDeepReinforcementLearning2
strawberry47·2022-11-26 09:14

推荐系统相关资源介绍（书籍、代码、综述、教程等内容）

大家如果有觉得不错的资源也可以一起来完善他们~书籍RecommenderSystems:TheTextbook(2016,CharuAggarwal)RecommenderSystemsHandbook2ndEdition
机器学习与推荐算法·2022-11-24 15:41

ICML2020推荐系统相关论文

GraphConvolutionalNetworkforRecommendationwithLow-passCollaborativeFiltersOptimizationandAnalysisofthepAp@kMetricforRecommenderSystemsOptimizingLong-termSocialWelfareinRecommenderSystems
工藤旧一·2022-11-24 12:52

我的机器学习笔记（一）

降维--DR3.2自然语言处理--NLP3.3计算机视觉--CV3.4异常检测--AnomalyDetection3.5时间序列--TimeSeries3.6分析--Analysis3.7推荐系统--RecommenderSys
离明zh·2022-11-24 00:13

工业界推荐_Industrial RS(5)

IndustrialRSMeituanHongweietal.Knowledge-awareGraphNeuralNetworkswithLabelSmoothnessRegularizationforRecommenderSystems.KDD
笃℃·2022-11-23 19:30

吴恩达 机器学习2022 第一课

SupervisedMachineLearning:RegressionandClassification,AdvancedLearningAlgorithms,UnsupervisedLearning,Recommenders
linyuxi_loretta·2022-11-23 17:43

#Reading Paper# 【序列推荐】ICKM 2022 RETR：Recommender Transformers with Behavior Pathways

#论文题目：【序列推荐】RETR：RecommenderTransformerswithBehaviorPathways（RETR：具有行为路径的推荐transformer）#论文地址：https://
堇禤·2022-11-23 03:59

#Paper Reading# KuaiRec: A Fully-observed Dataset for Recommender Systems

#论文题目：AFully-observedDatasetforRecommenderSystems（基于全观测数据集的推荐系统）#论文地址：https://arxiv.org/pdf/2202.10842
堇禤·2022-11-23 03:28

论文阅读笔记：Recurrent recommender networks

论文提要传统的推荐系统认为用户偏好和电影属性都是静态的，但其实它们都是随时间变化的。典型的如：用户偏好会被他们所看到的所影响，也会被电影评分所引导。本文作者采用RNN对用户的行为轨迹做预测。采用LSTM构建了一个自回归的模型，以适应user及movie的动态性。本文所论述的方法在多种数据集上的验证结果都是精准的。解决的问题推荐系统传统的解决方案对数据的时间效应和因果属性缺乏处理，典型情景如：1.用
xiongjiezk·2022-11-22 23:10

Revisit Recommender System in the Permutation Prospective

总结提出permutation概念，rnn做rank细节useremb和itememb考虑稀疏特征+稠密特征permutation-matchingoffline:2个模型，分别预测ctr以及nextscore(是否继续阅览)，不共享参数的dnnonline:改进的beamsearchpermutation-rankoffline:bi-lstm+mlp，交叉熵损失online:使用上面的改进交叉
KpLn_HJL·2022-11-22 21:33

【数据挖掘】推荐系统

1.WhatisRecommenderSystem推荐系统提出的动机是什么呢？
Torture_L·2022-11-22 15:00

Poisoning Deep Learning based Recommender Model in Federated Learning Scenarios

1.Whatdoesliteraturestudy?本文探讨对象：在联邦学习下针对基于深度学习的推荐模型设计攻击方法。根据两种攻击策略（随机近似和硬用户挖掘）为受操控的恶意用户生成有毒梯度。2.What’stheinnovation?Pastshortcomingsa.具有攻击者先验知识（交互，不能访问）的现有攻击不适用于联邦场景。b.不具有攻击者先验知识的现有攻击其攻击效果不佳。innovati
缄默的天空之城·2022-11-22 03:25

[论文阅读笔记17]A Survey on Knowledge Graph-Based Recommender Systems

一，题目TKDE2020ASurveyonKnowledgeGraph-BasedRecommenderSystems综述：基于知识图谱的推荐系统InIEEETransactionsonKnowledgeandDataEngineering
happyprince·2022-11-22 00:36

【CTR】《Towards Universal Sequence Representation Learning for Recommender Systems》 (KDD‘22)

《TowardsUniversalSequenceRepresentationLearningforRecommenderSystems》(KDD‘22)序列推荐是根据用户点击过的item序列，学习出一个序列表征
chad_lee·2022-11-21 23:21

Towards Universal Sequence Representation Learning for Recommender Systems（面向推荐系统的通用序列表示学习）

目录摘要介绍主要贡献先验知识方法框架实验结果摘要为了开发有效的序列推荐器，提出了一系
好学但菜·2022-11-21 22:13
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他