- 博客(4)
- 收藏
- 关注
RSS订阅原创 (SIGIR 2023)Aligning Distillation For Cold-start Item Recommendation
现有致力于解决冷启动物品的模型分为生成模型和dropout模型两大类，但是它们仅仅只聚焦于冷启动物品的推荐，忽视了冷物品与热物品的差异性，因此，生成模型可能会过于极端，要么只推荐冷物品要么只推荐热物品，dropout模型会降低热物品推荐的性能。
2024-03-07 11:18:42
1062
原创 (TKDE 2023)GDSRec: Graph-Based Decentralized Collaborative Filtering for Social Recommendation
现有的基于图的推荐算法没有考虑到用户或者物品的评分偏好，比如说，一个挑剔的用户给一个物品较低的评分并仅仅是因为这个用户不喜欢这个物品，而是因为这个用户喜欢给物品打低分。而且，用户之间的社交关系应该随着用户相似度的不同而有着不同的强弱属性，因此更相似的用户在图卷积中的相互影响更大。
2023-12-26 15:54:00
1010
2
原创 (TKDE 2023)GATrust: A Multi-Aspect Graph Attention Network Model for Trust Assessment in OSNs
提出了一个新的考虑到社交信任关系和用户特征的信任评估模型GATrust，采用GAT去计算用户的多重属性（包括网络拓扑结构、用户特征和社交信任关系）的注意力系数。第一层采用GAT而高层全采用GCN，这样也可以利用社交网络上的信息传播与聚合规则融合到高阶节点的信息。为了解决信任的不对称问题，GNN层分为两个部分，信任流行度聚合（入度）和信任热情度聚合（出度），最后再拼接用于预测两个用户之间的信任值。
2023-11-28 23:09:35
893
1
原创 (WSDM 2024)Unified Pretraining for Recommendation via Task Hypergraphs
由于ID的不同，在一个数据集中的用户-物品交互记录的预训练结果（pretrain）很难转移到另外的数据集上，在另一方面，通过在一个数据集上的预训练和微调（finetune）很容易导致过平滑。在以往的推荐系统中，自然语言模型是一种预训练方式，不过这种方式带有偏见，只预测流畅和语法正确的文本从而进行推荐，不仅如此，将数据转化为纯文本也会引入不少的噪声。因此对于预训练框架来说，设计一个统一的学习模式，有效处理不同需求和任务之间的微小差别是非常重要的。
2023-11-16 22:35:08
233
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人