![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
文章平均质量分 82
XJTU-Qidong
现就职于沙坡村男子职业技术学院的长安区大工地分部。喜欢足球,游戏,是米兰铁粉。
展开
-
WSDM 2022 推荐系统论文阅读(下)
本篇是WSDM 2022中推荐系统论文阅读的完结篇!WSDM 2022 推荐系统论文阅读(中)WSDM 2022 推荐系统论文阅读(上)声明:本论文阅读笔记主要是对论文摘要的概括,评论仅代表个人的阅读观点,欢迎大家在评论区讨论!1. Reinforcement Learning over Sentiment-Augmented Knowledge Graphs towards Accurate and Explainable Recommendation公司/学校:汉阳大学(韩国)摘要:之前基于原创 2022-05-05 22:54:45 · 1388 阅读 · 0 评论 -
WSDM 2022 推荐系统论文阅读(中)
继续上一篇文章来阅读WSDM 2022中推荐系统的论文:WSDM 2022 推荐系统论文阅读(上)声明:本论文阅读笔记主要是对论文摘要的概括,评论仅代表个人的阅读观点,欢迎大家在评论区讨论!1. Hierarchical Imitation Learning via Subgoal Representation Learning for Dynamic Treatment Recommendation公司/学校:华东师范大学、华为诺亚(Ruiming Tang, Xiuqiang He)摘要:由于原创 2022-04-25 21:26:51 · 1445 阅读 · 0 评论 -
WSDM 2022 推荐系统论文阅读(上)
声明:本论文阅读笔记主要是对论文摘要的概括,评论仅代表个人的阅读观点,欢迎大家在评论区讨论!1. A Peep into the Future: Adversarial Future Encoding in Recommendation公司/学校:微信摘要:提出要让推荐模型可以利用future feature。文章设计了一个对抗学习网络,判别器输入common feature和future feature,输出用户物品对的判别;生成器则用来生成含有未来信息的common feature,用于推荐模型。原创 2022-04-19 21:00:06 · 1110 阅读 · 0 评论 -
Faiss学习笔记
FaissFaiss是Facebook的AI Research开发的Similarity Search工具包.具体地就是对稠密向量进行快速的相似度检索. 这里很容易就能想到推荐系统中的召回过程. 召回就是将所有的物品向量存储在一个数据库中, 然后使用用户向量去检索其中欧氏距离最近的几个向量作为召回的物品列表.一. Faiss的使用步骤构建embedding矩阵, 具体地类似于加载预训练embedding, 其排序是从0排序到N-1的. 维度就是(N, v_dim)选择合适的index, 并将em原创 2021-06-15 22:36:17 · 1217 阅读 · 3 评论