- 博客(8)
- 收藏
- 关注
原创 推荐系统代码阅读:ICDE 2023 IMSR 基于增量学习的多兴趣序列推荐
代码:https://github.com/Scofield666/MBSSLhttps://github.com/Cloudcatcher888/IMSRhttps://github.com/Scofield666/MBSSL论文:https://cloudcatcher888.github.io/files/icde.pdf模型图:作者是在17号的时候上传了代码,但是代码还是有一些不全的地方。我将从他放出来的两个文件,model和IMSR里进行我理解的代码阅读。
2023-09-19 20:47:29 407
原创 推荐系统论文阅读总结:ICDE 2023 IMSR 基于增量学习的多兴趣序列推荐
用户交互序列的长度不断增加,用户可能会从新的交互中产生新的兴趣,因此需要不断更新甚至扩展模型以捕获新的用户兴趣。我们将这个问题称为增量多利益顺序推荐,在现有文献中尚未得到很好的研究。本文提出了一种有效的多兴趣序列推荐增量学习框架——IMSR,该框架在传统的微调策略基础上增加了现有兴趣保留器(EIR)、新兴趣检测器(NID)和基于投影的兴趣修剪器(PIT),以自适应扩展模型以适应用户的新兴趣,并防止其忘记用户的现有兴趣。
2023-09-19 10:41:54 720 1
原创 推荐系统论文阅读总结:ICLR 2023 LightGCL 简单且高效的图对比学习推荐系统
图神经网络(GNN)是基于图的推荐系统的一种强大的学习方法。近年来,结合对比学习的gnn在推荐数据增强方案方面表现出了优异的性能,其目标是处理高度稀疏的数据。尽管它们取得了成功,但大多数现有的图对比学习方法要么在用户-项目交互图上执行随机增强(例如,节点/边缘扰动),要么依赖于基于启发式的增强技术(例如,用户聚类)来生成对比视图。我们认为这些方法不能很好地保留固有的语义结构,并且容易受到噪声干扰的影响。在本文中,我们提出了一个简单而有效的图对比学习范式LightGCL,它减轻了这些问题,损害了基于cl的推荐
2023-07-29 17:00:10 806 1
原创 推荐系统论文阅读总结:KDD 2023 Adaptive Disentangled Transformer for SequentialRecommendation(自适应解纠缠)
KDD2023 顺序推荐旨在通过对顺序行为建模来挖掘具有时间意识的用户兴趣。Transformer作为一种处理顺序输入数据的有效体系结构,在获取顺序关系进行推荐方面显示出其优势。然而,现有的Transformer体系结构缺乏针对分层解纠缠的显式正则化,因此无法在推荐中利用解纠缠表示,从而导致性能欠佳。本文研究了变压器结构的分层解纠缠问题,提出了自适应解纠缠变压器(ADT)框架,该框架能够自适应地确定不同层内注意头的最优解纠缠程度。具体而言,我们建议通过对注意头的相互信息估计来要求独立性约束,并使用辅助目标来
2023-07-12 22:06:16 876 1
原创 代码阅读:AAAI 2022 Knowledge Bridging for Empathetic Dialogue Generation
代码阅读
2023-07-05 19:57:52 157
原创 论文阅读总结:AAAI 2022 Knowledge Bridging for Empathetic Dialogue Generation
外部知识的缺乏使得共情对话系统难以从有限的对话历史中感知隐含的情绪和学习情绪交互。为了解决上述问题,作者提出利用外部知识,包括常识知识和情感词汇知识,在移情对话生成中明确地理解和表达情感。我们首先通过与外部知识的共同交互来丰富对话历史,并构建一个情感情境图。然后,作者从知识丰富的情感上下文图中学习情感上下文表示,提取情感信号,这是预测响应中表达的情感的先决条件。知识,增强移情对话的生成。
2023-07-03 22:02:11 236
原创 推荐系统代码阅读:SIGIR 2023 Multi-behavior Self-supervised Learning for Recommendation
代码阅读,同时对应于论文中的公式
2023-06-29 16:15:02 591 2
原创 推荐系统论文阅读总结:SIGIR 2023 Multi-behavior Self-supervised Learning for Recommendation
在多行为场景中,设计了自监督范式(在行为间和行为内两个层次进行节点自鉴别)
2023-06-25 22:00:36 1541
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