矩阵分解 MF 是最流行的产品推荐技术之一，但众所周知，它存在严重的冷启动问题。项目冷启动问题在Tweet推荐等设置中尤其严重，因为新项目会不断到达。本文提出了一种元学习策略来解决新项目连续到达时项目冷启动的问题。我们提出了两种深度神经网络架构来实现我们的元学习策略。第一种结构学习一个线性分类器，其权值由项目历史确定，而第二种结构学习一个神经网络，其偏差被调整。我们对Tweet推荐的实际问题进行了 ...
2020-03-21 16:57 0 838 推荐指数：
《Learning to warm up cold Item Embeddings for Cold-start Recommendation with Meta Scaling and Shifting Networks》论文阅读 (i)问题背景： 工业界的推荐系统/广告系统现在都会 ...
关于元学习，网上的很多教程不太说人话，大多是根据李宏毅教授的课进行的一个拓展，并没有去详细的讲解一些步骤性的问题； 关于原理或者说概要比较好的博客： https://zhuanlan.zhihu.com/p/108503451 https://zhuanlan.zhihu.com/p ...
先简单归纳一下，后续记一个详细的笔记把。 摘要部分 对于用户冷启动的解决方法，一般是先给出一些候选的商品，然后通过用户对这些候选商品的偏好进行推荐。这么做有两个问题： 1. 活跃度（后续 ...
On First-Order Meta-Learning Algorithms Abstract 本文考虑元学习问题，其中存在任务分布，我们希望得到一个当面 ...
代码： github.com/cbfinn/maml github.com/cbfinn/maml_rl Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks ...
Goals for the lecture: Introduction & overview of the key methods and developments. [Good starting point for you to start reading ...
摘要：我们提出了一种不依赖模型的元学习算法，它与任何梯度下降训练的模型兼容，适用于各种不同的学习问题，包括分类、回归和强化学习。元学习的目标是在各种学习任务上训练一个模型，这样它只需要少量的训练样本就可以解决新的学习任务。在我们的方法中，模型的参数被显式地训练，使得少量的梯度步骤和少量的来自 ...
目录 元学习（Meta-learning） 元学习被用在了哪些地方？ Few-Shot Learning（小样本学习） 最近的元学习方法如何工作 Model-Agnostic Meta-Learning (MAML ...
