长尾序列用户行为建模中可转移参数的学习(KDD-2020)

最新推荐文章于 2022-09-05 22:56:28 发布
最新推荐文章于 2022-09-05 22:56:28 发布
阅读量468 收藏
点赞数
分类专栏： 机器不学习 文章标签： 人工智能 机器学习 数据挖掘 深度学习 推荐系统
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HowardEmily/article/details/113704583
版权
机器不学习 专栏收录该内容
24 篇文章 82 订阅 ¥59.90 ¥99.00
订阅专栏
本文介绍了一种针对长尾序列用户行为建模的方法，通过梯度对齐和对抗训练解决序列推荐中的长尾问题。研究发现关注尾部用户能显著提高推荐系统的性能和用户保留率，提出了梯度对齐优化器和对抗训练方案，以促进头部到尾部的知识转移，缓解新用户冷启动问题。
摘要由CSDN通过智能技术生成

本文给大家分享的是阿里和浙大合作发表在KDD-2020上的文章《Learning Transferrable Parameters for Long-tailed Sequential User Behavior Modeling》，提出从梯度对齐和对抗训练两方面来缓解序列建模任务中的长尾问题。

该文章首发于本文微信公众号: 长尾序列用户行为建模中可转移参数的学习(KDD-2020),扫码关注第一时间获取更多资讯：
在这里插入图片描述

Introduction & Motivation

序列推荐的结果很大程度上取决于用户历史交互数据的质量和体量，为了达到预期的性能，需要为每个用户提供足够的历史行为，以便进行充足的建模；然而，用户交互数量本质上服从一个长尾分布。如下图：

了解本专栏 订阅专栏 解锁全文
Marcus-Bao
关注
专栏目录
订阅专栏
【一切皆是映射】AI 大模型 LLM + 推荐系统 RS：个性化的艺术——基于LLM的推荐系统用户行为预测
程序员光剑
07-15 1135
在当今数字化时代，推荐系统已成为互联网服务的核心组成部分，广泛应用于电子商务、社交媒体、新闻资讯等领域。传统的推荐系统主要依赖于协同过滤、内容过滤等技术，虽然取得了一定的成效，但在处理复杂、动态的用户行为和多样化的内容时仍面临诸多挑战。随着人工智能技术的快速发展，特别是大语言模型（Large Language Models，LLMs）的出现，为推荐系统的革新带来了新的机遇。大语言模型凭借其强大的自然语言理解和生成能力，为用户行为预测提供了全新的视角和方法。
Graph Learning笔记 - 长尾分布问题
最新发布
SC_Linno的博客
06-12 1000
提出meta-tail2vec 方法来优化尾部节点嵌入问题对于尾部节点的嵌入问题，采用重建的回归模型来计算。对于网络的局部感知位置问题，提出删边和元学习的方法局部调整在公共数据集中进行大量实验，验证了meta-tail2vec的性能提升针对长尾效应提出Tail-GNN模型提出的概念，捕获节点与邻居的传递关系在五个公共数据集上进行实验，Tail-GNN取得了SOTA成绩提出Cold Brew方法解决SCS(孤立点Strict Cold Start)节点的噪声邻居问题。
【推荐系统】推荐系统简介分类以及长尾问题
qq_41101762的博客
11-22 2872
推荐系统简介分类以及长尾问题推荐系统简述长尾问题推荐系统分类协同过滤推荐系统基于内容的推荐系统混合推荐系统序列推荐系统协同过滤推荐和基于内容推荐有什么区别？ 推荐系统简述 当下我们已经处于信息爆炸的时代，要从庞大的各类数据库中提取有用的信息，并能为目标用户提供他们需要的信息变得越来越困难。推荐系统正是为了解决这个问题所提出的。 推荐系统目前在很多领域都发挥着重要的角色，比如电子商务领域(淘宝，天猫，Amazon等)，视频推荐(抖音，快手，B站等)，社交网络(腾讯，Facebook，Twitter等)，新闻推
KDD 2020 推荐系统论文一览
abcdefg90876的博客
08-22 4257
作者 |学派链接 |https://zhuanlan.zhihu.com/p/161705748编辑 | 深度传送门KDD是推荐领域一个顶级的国际会议。本次接收的论文按照推荐系统应用...
机器学习基础--math（12）--长尾分布
wydbyxr的博客
06-22 1万+
长尾分布 　　实际上，在稳定分布家族中，除了正态分布，其他均为长尾分布。 　　 　　长尾分布有什么好处呢？ 　　在处理小样本和一些异常点的时候作用就突显出来了。”...
重尾分布，长尾分布，肥尾分布 和 随机游走 （Heavy-tailed, Long-tailed, Fat-tailed distribution and Random walk）
热门推荐
dymodi的专栏
01-08 4万+
一看题目就知道本文内容较多，但因为放在一起讨论才能互相比较理解异同。本文主要讨论重尾分布，长尾分布，肥尾分布三者的联系，同时顺带讨论了一下 Random walk 中的 Lévy flight 和 Brownian motion。主要内容参考自 Wikipedia 和 Rick Wicklin 的博文 Fat-tailed and long-tailed distributions。
推荐系统中的长尾物品（Tail Items）推荐问题
炼丹笔记
06-29 2706
长尾物品（Tail Items）在推荐系统中是非常常见的，长尾的存在导致了样本的不均衡，对于热门头部物品（Head Items）的样本量多，模型学习这部分的效果越好，而长尾物品的样本量少，导致模型对该部分Item的理解不够充分，效果自然也就较差。 那么，针对长尾物品的推荐，有哪些较好的解决方法呢？本文从几个角度来聊一下这个问题。长尾问题，可以看成是推荐系统倾向于推荐热门商品，而忽略了非热门物品...
如何斩获KDD Cup 2020两冠一季？美团广告团队公开解决方案
迈微AI研习社 · 号主
09-09 352
在不久前结束的 KDD Cup 2020 竞赛中，美团到店广告平台搜索广告算法团队在 Debiasing、AutoGraph、Multimodalities Recall 三道赛题中获得了两冠一季的成绩。本文将介绍该队伍的解决方案。
长尾预测效果不好怎么办？试试这两种思路
fareise的博客
09-05 465
长尾预测效果不好怎么办？试试这两种思路
【目标检测】17、BBN:Bilateral-Branch Network
呆呆的猫的博客
04-11 4677
文章目录一、视觉任务数据的特征二、现有文献是怎么解决这类问题的二、本文做法 论文路径：http://www.weixiushen.com/publication/cvpr20_BBN.pdf 代码路径：https://github.com/Megvii-Nanjing/BBN 一、视觉任务数据的特征 机器视觉的代表数据集有很多，如 ImageNet ILSVRC 2012, MS COCO, P.........
Task4 建模调参
Xiaobai_rabbit0的博客
04-01 582
Task4 建模调参建模与调参1 学习目标2 内容介绍2 相关原理介绍与推荐2.1 线性回归模型2.2 决策树模型2.3 GBDT模型2.4 XGBoost模型2.5 LightGBM模型2.6 教材推荐3 代码示例3.1 读取数据3.2 线性回归 & 五折交叉验证 & 模拟真实业务情况3.2.1 简单建模3.2.2 五折交叉验证3.2.3 模拟真实业务情况3.2.4 绘制学习率...
Kaggle 数据挖掘比赛经验分享
百川的博客
05-10 4589
kaggle历期比赛解决方案汇总 - 简介Kaggle 于 2010 年创立，专注数据科学，机器学习竞赛的举办，是全球最大的数据科学社区和数据竞赛平台。笔者从 2013 年开始，陆续参加了多场 Kaggle上面举办的比赛，相继获得了 CrowdFlower 搜索相关性比赛第一名（1326支队伍）和 HomeDepot 商品搜索相关性比赛第三名（2125支队伍），曾在 Kaggle 数据科学家排行榜
推荐系统2019-2021顶尖会议论文聚焦
lucas的博客
03-11 3541
推荐系统2019-2021顶尖会议论文聚焦 recommendation & deep learning – AAAI_2020_A Knowledge-Aware Attentional Reasoning Network for Recommendation.pdf – AAAI_2020_An Attentional Recurrent Neural Network for Personalized Next Location Recommendation.pdf – AAAI_2020
CVPR 2021 分布对齐，长尾分布问题解决新思路
我爱计算机视觉
07-02 1859
本文转载自旷视研究院。收录会议：CVPR 2021论文单位：旷视研究院论文链接：https://arxiv.org/abs/2103.16370论文代码：https://github.co...
《BBN:Bilateral-Branch Network with Cumulative Learning for Long-Tailed visual Recognition》简读
sunny的专栏
11-16 904
本文作者为了解决数据长尾的问题，作者提出了BBN模型，该模型分成两个分支，一个是传统的学习分支，另一个是数据再平衡分支。这两个分支利用参数进行平衡，是根据训练的epochs的数量进行调整，它自适应调整整个模型，让模型首先关注传统的学习分支，之后逐渐关注数据再平衡分支。 数据平衡的策略： 再采样方法：该方法是数据平衡中的主要方式，可以分为两类：1.对于拥有大部分数据的类别进行降采样；2.对拥有小部分数据的类别进行过采样。 权重再调整：该方法是另一个数据平衡的重要方法，它的策略是分配大的权重给小的类别在损
客户行为模型 r语言建模_客户行为建模：汇总统计的问题
weixin_26746401的博客
09-07 1506
客户行为模型 r语言建模As a Data Scientist, I spend quite a bit of time thinking about Customer Lifetime Value (CLV) and how to model it. A strong CLV model is really a strong customer behavior model — the bette...
Practice on Long Sequential User Behavior Modeling for Click-Through Rate Prediction简析
loserChen的博客
06-24 1913
Practice on Long Sequential User Behavior Modeling for Click-Through Rate Prediction Introduction 文章将用户表现建模分解为两个视角。从服务系统的角度，作者设计了一个用户兴趣中心模块（UIC），UIC维护用户最新的兴趣表示向量。从机器学习算法的角度，作者提出了MIMN（多信道的用户兴趣内存网络），借鉴于...
KDD 2019 投稿要求出炉：结果出炉前不得发表 arXiv ，鼓励公开研究代码和数据
weixin_33691700的博客
01-17 2385
雷锋网(公众号：雷锋网) AI 科技评论按：作为世界数据挖掘领域最高级别的国际会议，ACM SIGKDD 在近期发布了 2019 年度的征稿通知。通知表明会议今年采取双盲审制，结果出炉前投稿者不得擅自将论文发布于 arXiv 等平台上。此外，只有那些在文章中公开研究代码和数据的论文才有资格竞选「最佳论文」一奖。 按官网最新发布的科研类（Researc...
腾讯KDD-CPU广告点击率预测实战：基于机器学习的搜索会话分析
本次作业是关于机器学习中的点击率预测任务，具体涉及到的是KDD-CPU-CTR项目。在这个项目中，参与者被要求使用机器学习算法预测在搜索广告场景下的点击通过率（pCTR），这是搜索引擎优化的重要组成部分，直接影响到...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Marcus-Bao

万水千山总是情,只给五角行不行

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值