- 博客(4)
- 收藏
- 关注
RSS订阅原创 对比学习学到了什么？（交流帖）
前言：前段时间在某厂进行算法实习，主要内容是如何将对比学习引入到推荐算法中去。再次期间我们调研了大量的cv领域的对比学习方法以及少数的对比学习应用在推荐中的文章，虽然也在前人的经验上提出了一些新的东西，但是这些新的东西仅仅只是对对比学习中的一些流程进行了修改，并没有去深入思考对比学习到底学到了什么？他对不管是cv还是推荐具体有什么样的作用？目前通过学习了解到其作用也仅仅是如下几个：1. 对比学习隶属于自监督，本质上输入的样本其实是没有标签的，而通过数据增强操作可以增加样本数量来优化模型性能。2. 通过对比学
2022-08-20 22:07:40
1097
2
原创 论文笔记：Memory Augmented Graph Neural Networks for Sequential Recommendation
论文笔记：Memory Augmented Graph Neural Networks for Sequential Recommendation写在前面：一下均为我自己的理解，有不足和错误的地方请及时指出修正。论文链接：https://www.aaai.org/ojs/index.php/AAAI/article/view/5945论文代码：论文并没有提供代码，有大佬如果获取到代码可以共享一下，谢谢框架难点文中指出了三个挑战：1）用户的长期兴趣2）用户的短期兴趣3）项目共现下面就从这
2020-08-24 10:42:52
1859
8
原创 LightGCN论文笔记
LightGCN论文笔记论文地址：http://staff.ustc.edu.cn/~hexn/papers/sigir20-LightGCN.pdf这是何向南组发表在SIGIR2020上的一篇论文，论文中对比了LightGCN与之前发表的论文NGCF的对比，总体来说就是认为GCN中的特征转化和非线性激活在协同过滤的过程中无作用且会增加模型的训练难度。下面就先来看看LightGCN的基本思路。LightGCN模型模型图如下：模型的总体思路就是：(1)先将用户和项目节点的领域聚合(2)使用三层
2020-06-10 17:20:19
1489
5
原创 FM(因子分解机)理解
因子分解机FM的优势（1）FM可以在非常稀疏的数据下进行参数评估。（2）FM的复杂度为线性复杂度，利于优化。（3）其他的分解模型输入数据是有限制的，但是FM可以可以用在一些real valued特征向量上。...
2020-04-10 14:23:17
608
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