![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统与深度学习
你不定积分没加C�
这个作者很懒,什么都没留下…
展开
-
Memory Augmented Graph Neural Networks for Sequential Recommendation翻译
论文下载地址:https://arxiv.org/abs/1912.11730摘要在许多推荐系统中,用户-物品交互的时间顺序可以反映用户行为的时间演化和顺序。用户将与之交互的项可能取决于过去访问的项。然而,随着用户和项目的大量增加,序贯推荐系统仍然面临着不小的挑战:**(1)短期用户兴趣建模的难度;(2)获取长期用户兴趣的难度;(3)项目共现模式的有效建模。**为了解决这些挑战,我们提出了一个内存增强图neual网络(MA-GNN)来同时捕捉长期和短期用户兴趣。具体地说,我们应用一个图神经网络来建模短期原创 2020-05-30 13:27:40 · 2049 阅读 · 0 评论 -
利用上下文信息进行个性化推荐
利用上下文信息进行个性化推荐主要分为两大方面,一是时间上下文,二是地点上下文。经过了解,感觉这个地点上下文更接近于老师想做的商圈推荐,但是还有些不一样。慢慢了解吧。本章主要讨论时间上下文并简单的介绍了一下地点上下文,具体的东西还要自己去看看。推荐系统需要结合用户所处的上下文,包括用户访问系统的时间、地点、心情等,对于提高推荐系统的推荐效果是非常重要的。 即研究如何给用户生成TopN推荐表,并...原创 2020-04-17 11:36:55 · 244 阅读 · 0 评论 -
深度学习在物品冷启动问题上的应用
昨天开组会,讲论文的时候老师一直在问我推荐系统中数据缺失方面的知识,之前没太考虑过,就随口说了一个冷启动的问题,解释了一下。确实后来想想,冷启动问题确实是推荐系统里数据缺失的一部分。原有的根据用户冷启动、物品冷启动、系统冷启动解决方法可以解决冷启动的问题,以及利用专家标注数据去解决冷启动问题。但是深度学习在冷启动问题上也有很好的解决办法,又搬出了网络这个利器。基于专家的CF方法,可以降低对用...原创 2020-04-15 10:47:45 · 813 阅读 · 0 评论 -
推荐系统的冷启动问题(第三章)
《推荐系统实践》的第三章是推荐系统的冷启动问题什么的冷启动呢?从字面意思来说,就是一切从零开始启动, 但是推荐系统是个借助于历史操作记录和行为等信息进行推荐判断的操作,没有任何之前可以利用的信息,怎么进行推荐呢?这就是冷启动问题。1、冷启动问题简介用户冷启动:主要解决如何给新用户做个性化推荐的问题。物品冷启动:主要解决如何将新物品推荐给可能对他感兴趣的用户这一问题。系统冷启动:主要是解决...原创 2020-04-14 11:40:25 · 113 阅读 · 0 评论 -
《推荐系统实践》第二章感想(跟推荐系统与深度学习第四章很像)
利用用户行为数据这一章的题目是利用用户行为数据,简而言之呢就是来探讨一下如何利用用户的点击行为、浏览行为等等数据,通过用户之间的关联,物品与物品之间的关联,来达到推荐系统的目的。主要介绍了UserCF、ItemCF这两个比较常见的算法,进而介绍了LFM以及LFM的改进。然后对他们进行了对比。啤酒和尿布上来就介绍了啤酒和尿布这个经典的不能再经典的故事,讲的是妇女要在家里照顾孩子,爸爸要出去买尿...原创 2020-04-08 16:51:52 · 957 阅读 · 0 评论 -
《推荐系统实践》自己随手写的感想+重点
今天开始读《推荐系统实践》这本书了,所以想先搁浅一下《推荐系统与深度学习》的笔记,一起更吧,哎太懒了。第一章:好的推荐系统略了吧,主要介绍了一些很牛逼的视频网站啊或者其他网站用的推荐系统对他们带来了什么好的影响啊。像是广告啊,音乐啊,视频啊,新闻啊等等,都需要用到推荐系统。但是第一章有个重要的地方就是介绍了推荐系统进行实验的方法有三种,分别是:离线实验、用户调查、在线实验。**离线实验:*...原创 2020-04-07 21:48:14 · 383 阅读 · 0 评论 -
推荐系统与深度学习(一)开端
推荐系统与深度学习开端????本来是做视觉方向的,忽然被老师谈话考虑现在深度学习与图像太过于热了,而且已有的模型很难做改动且太多人想用深度学习去做图像处理方面。所以推荐系统与深度学习的融合也许会摩擦出一些不一样的火花。今年来,随着深度学习的火热,推荐系统在深度学习的加入下也发生了翻天覆地的变化。两周内读完了《推荐系统与深度学习》这本书,但是只是有了个大体框架,又入手了项亮老师的《推荐系统实践》,希望...原创 2020-04-07 13:57:37 · 555 阅读 · 0 评论