recommendation

H5：地理位置 Geolocation 详解

参考标准W3CRecommendation8November2016(GitHubreferenceadded31January2018)位置信息的获取依据W3C定义geolocation-API实现标准解释为
_midnight·2023-10-26 03:35

【Spark ML】第 5 章：Recommendations

大家好，我是Sonhhxg_柒，希望你看完之后，能对你有所帮助，不足请指正！共同学习交流个人主页－Sonhhxg_柒的博客_CSDN博客欢迎各位→点赞+收藏⭐️+留言系列专栏-机器学习【ML】自然语言处理【NLP】深度学习【DL】foreword✔说明⇢本人讲解主要包括Python、机器学习（ML）、深度学习（DL）、自然语言处理（NLP）等内容。如果你对这个系列感兴趣的话，可以关注订阅哟文章目录
Sonhhxg_柒·2023-10-24 09:22

推荐系统论文阅读（五十二)-序列推荐中的稀疏兴趣网络

论文：地址：https://arxiv.org/pdf/2102.09267.pdf论文题目：《Sparse-InterestNetworkforSequentialRecommendation》之前我们介绍过
推荐系统论文阅读·2023-10-22 23:36

Communication Issues and Recommendations surrounding MVC’s trip to China

Toimprovetheunderstandingofcross-culturalcommunication,thisreportrecommendsthatMVCnegotiatorsfocusonbuildinglong-termrelationshipsandchangingnegotiationstrategies.Cross-culturalcommunicationisanimport
Mayuuuuu·2023-10-22 11:34

Outlook 2016需要更新才能启动？

source=recommendationsimage.pngimage.pnghttps://www.z
生物信息与育种·2023-10-21 23:31

论文阅读之推荐1-Parameter-Efficient Transfer from Sequential Behaviors for User Modeling and Recommendation

Parameter-EfficientTransferfromSequentialBehaviorsforUserModelingandRecommendation0.0作者简介1.0摘要2.0简介2.1
SusanLovesTech·2023-10-21 18:50

Parameter-Efficient Transfer from Sequential Behaviors for User Modeling and Recommendation讲解

配合使用效果更佳:Parameter-EfficientTransferfromSequentialBehaviorsforUserModelingandRecommendation大家好,今天为大家分享的是来自腾讯的一篇收录到顶会
SusanLovesTech·2023-10-21 18:50

MMoE: 基于多门专家混合的多任务学习任务关系建模

ModelingTaskRelationshipsinMulti-taskLearningwithMulti-gateMixture-of-Experts发表会议:KKD2018（KnowledgeDiscoveryandDataMining，数据挖掘领域顶会）目录1.背景介绍RecommendationSystemMulti-taskLearningSyntheticDataGener
恭仔さん·2023-10-21 08:55

学习笔记

学习笔记深度推荐模型模型搭建AFM模型NFM三级目录深度推荐模型学习内容来自：https://github.com/datawhalechina/team-learning-rs/tree/master/DeepRecommendationModel
Mr_yuekitty·2023-10-21 07:10

2021_SIGIR_Social Recommendation with Implicit Social Influence

[论文阅读笔记]2021_SIGIR_SocialRecommendationwithImplicitSocialInfluence论文下载地址：https://doi.org/10.1145/3404835.3463043
XingHe_XingHe_·2023-10-20 23:15

2021_WWW_Random Walks with Erasure: Diversifying Personalized Recommendations on Social and Informat

[论文阅读笔记]2021_WWW_RandomWalkswithErasure:DiversifyingPersonalizedRecommendationsonSocialandInformationNetworks
XingHe_XingHe_·2023-10-20 23:15

Wor2vec application for Recommenders and Advertising

Blog1.MusicRecommendationsSpotifyandAnghami为例。
BoringFantasy·2023-10-18 08:23

电邮里面是图片怎么下载_这是最有效的采访后谢谢您的电子邮件

电邮里面是图片怎么下载“Itwasapleasurespeakingwithyoutoday.ThankyoufortherecommendationtoreadThePowerofLess,maybewecantradenoteswhenyou
cumian8165·2023-10-18 06:26

Recommender systems explorer

SimplyputRecommendersystemsplayavitalroleintoday’sdigitallandscapebyprovidingpersonalizedrecommendationstousers.Thesesystemsaredesignedtopredictthepreferencesorratingsofusersforasetofitems
卢延吉·2023-10-18 05:09

【转】个性化推荐系统，必须关注的五大研究热点

“个性化推荐系统，必须关注的五大研究热点”原文链接：https://www.msra.cn/zh-cn/news/executivebylines/tech-bylines-personalized-recommendation-system
Just Jump·2023-10-18 02:01

论文笔记 | RecSys2016 | Deep Neural Networks for YouTube Recommendations

youtube-dnn-title.png论文地址：https://research.google.com/pubs/archive/45530.pdf一为什么读这篇其实当年在微博做视频推荐时就这篇刚出来时就看过，只不过那时刚接触深度学习，有好多点也没get到，现在经过一些沉淀，知道dl是怎么玩的了，另外以现在这个时间点看，才知道这篇的工作是非常有影响力的，现在很多上了深度学习推荐系统的公司都参考
ktulu7·2023-10-17 00:39

BAPI_REQUISITION_CREATE与BAPI_PR_CREATE的相关解答_SAP刘梦_新浪博客

03499627-FAQ:BAPIsforpurchaserequisitionsVersion23TypeSAPNoteLanguageEnglishMasterLanguageGermanPriorityRecommendations
SAP_森林木·2023-10-16 19:58

论文阅读：Learning Personalized Risk Preferences for Recommendation

今天介绍一篇比较有意思的论文，发表在SIGIR20上，关于在推荐系统中应用行为经济学理论。省流小助手：前景理论（ProspectTheory）推荐的item需要有评分（ratings）解决的问题行为经济学是研究“非理性人”在经济活动中的行为规律的学科，很多结论都非常有意思。这篇paper最根本的想法是观察到在电商推荐中，用户选择商品会受到评论的影响，购买好评率比较低的商品有更高的“风险”，而每个人
filterc·2023-10-15 15:38

24远景能源-动力-智能，8月底拿意向书！【NTAKYsW】

【NTAKYsW】远景科技174个岗位内推链接：内推直通链接（电脑浏览器打开）：https://app.mokahr.com/recommendation-apply/envisACM模式下C语言输入输出处理
huaxinjiayou·2023-10-15 04:18

推荐系统 #1

FairnessandTransparencyinRecommendation:TheUsers’Perspective推荐中的公平性和透明度：用户的视角尽管推荐系统是由个性化定义的，但最近的工作表明了附加的
朱小虎XiaohuZhu·2023-10-12 18:22

2019-06-30

AHierarchicalAttentionRetrievalModelforHealthcareQuestionAnswering医疗场景的问答其实就是文档检索排序，只不过做了多个级别的Attention构建了新的数据集来验证方法模型结构图[WWW2019]Cross-domainRecommendationWithoutSharingUser-relevantDatacros
wwang945·2023-10-10 13:18

因果推断推荐系统工具箱 - CausCF: Causal Collaborative Filtering for Recommendation Effect Estimation（二）

文章名称【CIKM-2021】CausCF:CausalCollaborativeFilteringforRecommendationEffectEstimation核心要点上一节，讲述了问题的定义和建模方法
processor4d·2023-10-08 05:43

桌面自动化工具总结

source=recommendations。底层通过微软api找到页面元素，兼容w
yijianxiangde100·2023-10-04 13:00

2020-RecSys-SSE-PT: Sequential Recommendation Via Personalized Transformer

个人认为本文的思想很好，要将个性化引入到Transformer中*（NLP的各种技术在我看来其目的是明确的，一句话是什么意思就是什么意思，所以只考虑这一句话中的word即可，但是对于RS来说，同样itemid的序列对于不同的userid也是不一样的，不能单纯的以itemid序列来表示一个user）*；本文主要的点有：序列中useremb和itememb进行拼接的表示如何使用SSE1INTRODUC
Dive_·2023-10-04 08:01

Rabbit AI人工智能代理推荐新的电视节目和电影的功能#内容发现和推荐领域的应用潜力...

,UsingChatGPTtoRecommendStreamingTitleshttps://variety.com/2023/digital/news/tubi-chatgpt-rabbit-ai-recommendation
shadowcz007·2023-10-04 05:15

Graph Neural Networks for Social Recommendation

GraphNeuralNetworksforSocialRecommendation1.摘要构建基于图神经网络的推荐系统的三大挑战theuser-itemgraphencodesbothinteractionsandtheirassociatedopinionssocialrelationshaveheterogeneousstrengthsusersinvolveintwographs
ZSCDumin·2023-10-02 01:49

CRS(3)阅读笔记：2020KDD - Interactive Path Reasoning on Graph for Conversational Recommendation

前言本文针对对话式推荐任务，提出基于图结构进行路径推理实现交互推荐。project：https://cpr-conv-rec.github.io/manual.html/对话推荐系统（CRS）通过直接向用户询问其在商品上的偏好属性，解决了传统推荐中存在的局限。但是，现有的CRS方法没有充分利用这种优势-它们仅以隐式方式使用属性反馈(attributesfeedback)，例如更新潜在用户表示形式。
阿瑟_TJRS·2023-09-29 23:18

Recommendation using embeddings and nearest neighbor search(openAI cookbook 案例学习)

Recommendationusingembeddingsandnearestneighborsearch(openAIcookbook案例学习)学习一下这个案例openai-cookbook/examples
临风而眠·2023-09-26 11:58

English Pod 第二三期

vocabularypreviewfinancialadviser:apersonwhogivessuggestionsorrecommendationsaboutinvestingmoney,someonewhowantsyoutoputmoneyinthestockmarketlanguagetakeawayavailable
Lancer_fanfan·2023-09-26 06:06

论文阅读: Multi-behavior Recommendation with Graph Convolutional Networks(SIGIR2020)

论文链接Motivation：传统推荐模型仅利用一种类型的行为（购买）存在严重的数据稀疏和冷启动问题，利用多种行为的交互数据可以缓解这一问题。现存的多行为推荐模型中存在两点不足：没有捕获不同行为对目标行为的不同影响。忽视了在多行为数据中行为语义的建模。本文构造了一个统一图来表示多行为数据并提出了MBGCN。处理上述两点局限性：通过用户-物品的传播来学习行为强度并且通过物品-物品的传播来捕获行为语义
aaHua_·2023-09-25 22:04

论文阅读：Heterogeneous Graph Contrastive Learning for Recommendation（WSDM ’23）

论文链接Motivation：在推荐系统中，图神经网络在建模图结构数据上已经变成一个强有力的工具。但是现实生活的推荐语义通常涉及异质关系（像用户的社交关系，物品知识关系的依赖），这些都包含丰富的语义信息去提升表征能力的学习。同时，对比自监督学习在推荐系统中也取得了巨大进步。鉴于此，本文提出异质图对比学习[HeterogeneousGraphContrastiveLearning(HGCL)],它利
aaHua_·2023-09-25 22:04

CSIT121系统设计实践

CSIT121Assignment2:DietaryRecommendationSystemforAustralianDairyIndustryDueDate:Week9,24thSeptember2023,11.30pmMarks
·2023-09-24 14:57

机器学习系列(17)_Yelper推荐系统

原文地址：yelperrecommendationsystem原文翻译与校对：@酒酒&&@寒小阳时间：2016年10月。
寒小阳·2023-09-24 08:16

JavaPoet 基本用法

utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendationjav
闫鹏飞写字的地方·2023-09-24 02:05

ICLR 2023 | LightGCL: 简单且高效的图对比学习推荐系统

论文题目：LightGCL:SimpleYetEffectiveGraphContrastiveLearningforRecommendation收录会议：ICLR2023论文链接：https://arxiv.org
怼怼是酷盖·2023-09-24 00:11

论文阅读和模型解读 UltraGCN: Ultra Simplification of Graph Convolutional Networks for Recommendation

论文阅读：UltraGCN:UltraSimplificationofGraphConvolutionalNetworksforRecommendation核心代码注释解读个人认为这篇论文的主要贡献点就是用几个
怼怼是酷盖·2023-09-24 00:10

vscode常用配置

{"extensions.ignoreRecommendations":false,"editor.renderIndentGuides":false,"workbench.colorTheme":"Monokai
海兔肉夹馍·2023-09-21 22:59

推荐系统论文阅读（十八)-阿里巴巴大规模商品的embedding策略

论文：论文地址：https://arxiv.org/abs/1803.02349论文题目：《Billion-scaleCommodityEmbeddingforE-commerceRecommendationinAlibaba
推荐系统论文阅读·2023-09-21 21:10

因果NLP工具箱 - CFIE（一）

-2021】【ShenzhenUniversity/HuaweiNoah’sArkLab】AGeneralKnowledgeDistillationFrameworkforCounterfactualRecommendationviaUniformData
processor4d·2023-09-21 02:57

新闻推荐论文笔记(2):Neural News Recommendation with Attentive Multi-View Learning

IJCAI2019论文清北与微软亚研出品image.png本文为自己的论文阅读笔记，如有错误欢迎指正，转载请联系笔者最近在研究新闻推荐的新方法，本文为系列文章的第二篇，前文请见https://www.jianshu.com/p/2d7e261bc277摘要个性化的新闻推荐对于在线新闻平台帮助用户找到感兴趣的新闻并改善用户体验非常重要。新闻和用户表示学习对于新闻推荐至关重要.现有的新闻推荐方法通常基
阿瑟_TJRS·2023-09-20 20:49

sourcetree无法识别项目文件

utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation显示mac隐藏文件defaultswritecom.ap
yycache·2023-09-19 11:46

推荐系统 - Youtube深度学习推荐系统

简介论文《DeepNeuralNetworksforYouTubeRecommendations》由2016年提出，模型主要由两部分组成：candidategenerationmodel和rankingmodel
nlpming·2023-09-18 06:27

论文总结《Adversarial Collaborative Neural Network for Robust Recommendation（ACAE/FG-ACAE）》

原文链接ACAEFG-ACAE这两篇文章可以连着看，而且这两篇文章都较为简单，如果读过APR[1]，就可以发现ACAE只不过是在神经网络的hiddenlayer加上了扰动，而FG-ACAE则是在ACAE上更加细粒度的扰动（用系数控制各层扰动的大小）。Motivation在这篇文章之前的工作要么在输入上加入随机扰动，如CDAE[2]利用自编码器在被破坏的（加入高斯噪声）的数据上进行学习；要么在lat
Ordiiii·2023-09-17 02:48

论文总结《Adversarial Personalized Ranking for Recommendation(APR)》

原文链接APR、本篇论文是对抗训练在RS领域的先锋作，在这篇文章前对抗训练应用在图像领域，以提高模型鲁棒性。本篇论文填补了对抗训练在RS领域的空缺，首次基于BPR进行对抗训练，以提高RS排序模型的鲁棒性。Motivation文章在Session2部分对MF的隐空间的扰动是否会造成推荐性能的下降，分析了BPR-MF是脆弱的。首先在BPR-MF隐空间（不在输入进行扰动是因为，userID/itemID
Ordiiii·2023-09-17 02:18

Sequential Recommendation with Graph Neural Networks

SequentialRecommendationwithGraphNeuralNetworks文章目录1.背景2.模型2.1InterestGraphConstruction2.1.1Rawgraphconstruction2.1.2Nodesimilaritymetriclearning2.1.3Graphsparsificationvia-sparseness2.2Interest-fusio
huihui12a·2023-09-16 19:47

可解释推荐系统工具箱 - VECF（二）

文章名称【AAAI-2019】【Tsinghua/RutgersUniversity】PersonalizedFashionRecommendationwithVisualExplanationsbasedonMultimodalAttentionNetwork
processor4d·2023-09-14 12:48

GNN动态顺序推荐Dynamic Graph Neural Networks for Sequential Recommendation

DynamicGraphNeuralNetworksforSequentialRecommendation文章目录1.背景2.模型2.1动态图构造2.2子图采样2.3动态图推荐网络2.3.1消息传播机制
huihui12a·2023-09-14 09:21

Recommendation System

本文结构安排Item-BasedCollaborationFilteringSlopeOneMatrixFactorizationItem-basedCollaborationFiltering推荐系统本质是在用户需求不明确的情况下，解决信息过载的问题，联系用户和信息，一方面帮助用户发现对自己有价值的信息，另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢（这里的信
泽泽馥泽泽·2023-09-12 20:50

Item-Based Recommendations with Hadoop

Mahout在MapReduce上实现了Item-BasedCollaborativeFiltering，这里我尝试运行一下。安装Hadoop从下载Mahout并解压准备数据下载1MillionMovieLensDataset，解压得到ratings.dat，用sed‘s/:[0-9]{1,}):[0-9]{1})::[0-9]{1,}$/,\1,\2/’ratings.dat处理成需要的格式。运
liuyuan185442111·2023-09-12 08:43

因果推断推荐系统工具箱 - DPA（二）

文章名称CausalInterventionforLeveragingPopularityBiasinRecommendation核心要点上一节讲述了DPA的框架，这一节具体介绍模型的建模和学习方法。
processor4d·2023-09-11 13:15
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他