論文筆記：Meta-Graph Based Recommendation Fusion over Heterogeneous Information Networks （KDD 2017）
研究動機 異構信息網絡是推薦系統中重要的數據表示。異構信息網絡的推薦系統常常面臨2個問題：如何去表示推薦系統的高級語義，如何向推薦系統中融入異構信息。在這篇文章中，我們首先將meta-graph融入 ...
原文：論文筆記：Learning from History and Present: Next-item Recommendation via Discriminatively Exploiting User Behaviors（KDD 2018）
摘要 最近基於session的推薦系統火熱起來，但是大多數的工作沒有考慮用戶長期的穩定偏好和演變。這篇文章提出了一個novel Behavior Intensive Neural Network BINN 模型，該模型結合了用戶的歷史穩定偏好和當前的購買動機，來進行下一次推薦。該模型的兩個主要部件分別為：Neural ItemEmbedding 和Discriminative Behaviors ...
2019-09-18 22:27 0 370 推薦指數：
相關推薦
【論文筆記】Learning to Estimate 3D Human Pose and Shape from a Single Color Image(CVPR 2018)
這篇論文沒有給出代碼，細節部分還是得看論文來推敲了，因此可能會有理解出問題的地方。 概述 做了什么：引入一個端到端的框架，從包含人體的單張RGB圖像中預測出輪廓圖和關節熱力圖，生成SMPL參數並重建出一個SMPL的3D人體網格 存在問題：卷積網絡容易受到缺少訓練數據、3D預測時分辨率低的影響 ...
【論文筆記】 Denoising Implicit Feedback for Recommendation
Denoising Implicit Feedback for Recommendation Authors: 王文傑，馮福利，何向南，聶禮強，蔡達成 WSDM‘21 新加坡國立大學，中國科學技術大學，山東大學 論文鏈接：http://staff.ustc.edu.cn/~hexn ...
論文筆記 2016-CIKM Learning Graph-based POI Embedding for Location-based Recommendation
終於受不了有道雲筆記了...然而印象+馬克飛象的組合是要收費的呵呵噠，那就干脆來cnblog寫筆記好了。 Problem 問題還是那個問題，推薦系統萬變不離其宗： 給定一個用戶的歷史check-in行為數據，以及該用戶當前的時空坐標\((l,\tau)\)，然后推薦用戶最可能感 ...
論文筆記：MeLU: Meta-Learned User Preference Estimator for Cold-Start Recommendation
先簡單歸納一下，后續記一個詳細的筆記把。 摘要部分 對於用戶冷啟動的解決方法，一般是先給出一些候選的商品，然后通過用戶對這些候選商品的偏好進行推薦。這么做有兩個問題： 1. 活躍度（后續行為信息很少的用戶）推薦的效果很差 2 .候選的商品過少或者不准備，不能夠較好的反應 ...
【論文筆記】 Popularity Bias in Dynamic Recommendation
Popularity Bias in Dynamic Recommendation Authors: Ziwei Zhu, Yun He, Xing Zhao, James Caverlee KDD'21 Texas A&M University 論文鏈接：http ...
論文筆記 — Learning to Compare Image Patches via Convolutional Neural Networks
論文： 引入論文中的一句話來說明對比圖像patches的重要性，“Comparing patches across images is probably one of the most fundamental tasks in computer vision and image ...
論文筆記：Cross-Domain Visual Matching via Generalized Similarity Measure and Feature Learning
Cross-Domain Visual Matching，即跨域視覺匹配。所謂跨域，指的是數據的分布不一樣，簡單點說，就是兩種數據「看起來」不像。如下圖中，（a）一般的正面照片和各種背景角度下拍攝的照 ...