论文阅读分享
博主是骆驼
这个作者很懒,什么都没留下…
展开
-
论文分享——recommender system survey
How to evaluate RS?How does RS evolve?What’s the taxonomy?RSs’development trend.Internal Functions for RSSimilarity measurementcontent-basedrecommend items similar to items that a user has bought, visited, heard, viewed and ranked positive.原创 2020-12-26 21:51:18 · 353 阅读 · 0 评论 -
论文分享——Hybrid E-learning Recommendation Approach
文章目录概述AbstractConclusion概述论文题目为《Hybrid E-learning Recommendation Approach Based on Learners’ Influence Propagation》,跟之前分享的这篇文章来自同一作者,本文发表时间较晚,属于后续工作。同样这篇文章讲的是在线学习的推荐系统,主要 novelty 我认为是在用户间的信息传递上。方法大致为:(1)先对每个用户建模(Learner Influence Model,LIM),根据问卷调查确定用户的原创 2020-11-28 17:53:25 · 319 阅读 · 0 评论 -
论文分享——Dynamic graph attention for referring expression comprehension
文章目录背景模型推理过程静态attention图模型模型建立计算attention动态attention图模型Matching 模块背景模型提出了 Dynamic graph Attention(DGA) 模型推理过程第一个模型是个分析器,用来预测 image 的推理步骤每个expression说白了,就是一系列 consitituent expression 和它们之间的 combination rules,然后在这篇文章中,每个 consitituent expression(子表达式)原创 2020-11-25 19:39:32 · 955 阅读 · 0 评论 -
论文分享——an e-learning recommendation
文章目录AbstractConclusion本篇论文是关于线上学习的推荐算法,算法的一大优势在于它是 online 的,具有比较好的适应性和多样性,同时它基于的不是用户与用户之间的关系,而是去探索用户与学习目标,以及学习目标之间的关系。在 online learning 这一块,这样的方法被认为是比较科学的。AbstractE-learning remmondation system aims to provide learners with learning objects (LO) that fi原创 2020-11-24 11:13:05 · 255 阅读 · 0 评论 -
论文分享——SGMN
目录文章出处文章贡献方法 & 模型Graph RepresentationImage Semantic GraphLanguage Scene GraphReasoning推理过程叶子节点中间节点Neural Modules文章出处由于课程project需要,在准备proposal的时候阅读了这篇论文《Graph Structured Referring Expression Reasoning in the Wild》,论文发表在2020年的CVPR会议,作者来自香港大学和中山大学。文章贡献原创 2020-11-16 23:48:40 · 1173 阅读 · 1 评论 -
论文分享——推荐算法
文章出处这篇文章的作者是三位CMU的大佬,当时看到Carnegie Mellon我就果断入坑了。论文2014年发表在ACM的一个会议上,题目是《Question Recommendation with Constraints for MOOC》。大概介绍读paper日常发问:作者在文章中提出了什么?解决了什么问题?怎么解决的?(1)文章里提出了一个矩阵分解的模型来预测学生对问题的喜好,文章区别与传统推荐算法的地方在于:需要同时满足一些约束条件,这就有点像那种带约束的凸优化问题,然后文章中用一个最大流原创 2020-11-11 23:33:40 · 2423 阅读 · 0 评论