memory-based 协同过滤（CF）方法
协同过滤（collaborative filtering，CF）算法主要分为memory-based CF 和 model-based CF，而memory-based CF 包括user-based CF和item-based CF。 基于用户的(User-based)协同过滤算法 ...
原文：10、Latent Relational Metric Learning via Memory-based Attention for Collaborative Ranking-----基于记忆注意的潜在关系度量协同排序
一 摘要： 本文模型 LRML 潜在相关度量学习 是一种新的度量学习方法的推荐。 旨在学习用户和项目之间的相关关系，而不是简单的用户和项目之间的push和pull关系，push和pull主要针对LMNN算法 为了做到这一点，本文采用了一个增强的存储器模块，并通过这些记忆块来构建用户和项目潜在的关系。 二 引言： MF的总体思想如下：用户和项目被表示为一个矩阵，然后被分解为潜在的组件，这些组件也可以 ...
2018-10-21 15:56 0 788 推荐指数：
相关推荐
Metric Learning——度量学习
看到一篇知乎大神Flood Sung发表在CVPR2018上的paper，介绍了一种基于metric的模式识别方法，创新之处在于它不同于常用的matric-based方法，使用人为定义的度量，像简单的欧式距离、马氏距离，而是采用了用神经网络去训练这个度量，模型虽然简单，但是效果却很显著 ...
Metric Learning 度量学习
1. 度量(Metric) 在数学中,一个度量(或距离函数)是一个定义集合中元素之间"距离"的函数. 一个具有度量的集合可以称之为度量空间. 2.度量学习的作用 Metric Learning可以通俗的理解为相似度学习. 以样本间的欧氏距离为例:K-means中进行聚类时用到了欧式距离 ...
Memory-based Graph Networks
论文：《Memory-based Graph Networks》，ICLR2020 代码：https://github.com/amirkhas/GraphMemoryNet 概述 图神经网络(GNNs)是一类深度模型，可处理任意拓扑结构的数据。比如社交网络、知识图谱、分子结构 ...
【RS】Collaborative Memory Network for Recommendation Systems - 基于协同记忆网络的推荐系统
【论文标题】Collaborative Memory Network for Recommendation Systems （SIGIR'18） 【论文作者】—Travis Ebesu (Santa Clara University)、—Bin Shen ...
度量学习（Metric Learning）基础概念介绍——2020.2.2
一、什么是度量学习？ 度量学习 (Metric Learning) == 距离度量学习 (Distance Metric Learning，DML) == 相似度学习。 在数学中，一个度量（或距离函数）是一个定义集合中元素之间距离的函数 ...
【显著性检测】Saliency Detection via Graph-Based Manifold Ranking
Saliency Detection via Graph-Based Manifold Ranking https://www.yuque.com/lart/papers 本文不是按照之前的论文那样, 考虑显著性目标与背景之间的对比度, 而是通过使用流形排序方法, 来使用前景 ...
显著性检测：'Saliency Detection via Graph-Based Manifold Ranking'论文总结
对显著性检测的一些了解： 一般认为，良好的显著性检测模型应至少满足以下三个标准： 1）良好的检测：丢失实际显著区域的可能性以及将背景错误地标记为显著区域应该是低的； 2）高分辨率：显著图应该具有 ...