Recurrent Recommender Networks

最新推荐文章于 2019-09-14 13:29:17 发布
最新推荐文章于 2019-09-14 13:29:17 发布
阅读量1.2k 收藏 2
点赞数 2
分类专栏： 推荐系统_论文 文章标签： 推荐系统 论文
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/free356/article/details/79446155
版权
本文提出了一种使用LSTM的Recurrent Recommender Networks，旨在捕捉用户和电影随时间变化的动态性，从而提升推荐精度。通过与静态模型和其他动态模型的对比，表明RNN模型在电影推荐任务中具有更高的预测准确性和训练效率，特别是在处理大量评分数据时。
摘要由CSDN通过智能技术生成

本文思路整理如下：

 

一， Contribution

二， 实验

实际需求

训练数据

实验环境

2.1本文模型

2.2 结果对比

2.2.1 将本文RNN模型和不考虑时间动态的模型做对比

2.2.2 将本文RNN模型和考虑时间动态的模型做对比

三， 更多关于论文细节


《Recurrent Recommender Networks》


目的：采用LSTM构建模型，以适应user及movie的动态性，从而得以更精准做视频推荐。

 

论文信息：德克萨斯奥斯汀校、谷歌、CMU、LinkedIn。Proceedings of the 10th ACM International Conference on Web Search and Data Mining.


一，Contribution：


1）

最低0.47元/天 解锁文章
free356
关注
专栏目录
【推荐算法论文阅读】Recurrent Recommender Networks
qq_36643449的博客
01-07 787
一、背景 推荐系统传统的解决方案对数据的时间效应和因果属性缺乏处理，典型情景如： 用户对电影的看法是随时间变化的，这种变化会使得一些垃圾电影变为流行电影 季节时令性：浪漫喜剧，圣诞电影，夏日大片等类型的movie的季节性尤其突出。 用户兴趣：这个变化因素就更多了，通常很难显式建模。 二、亮点 使用两个LSTM网络来建模动态的user state和item state 同时，考虑到用户长期兴趣和item静态特征等固定属性，还使用矩阵分解建模用户和item的静态潜在属性 由于每个评分rijr_{ij}ri
论文阅读笔记一：SESSION-BASED RECOMMENDATIONS WITHRECURRENT NEURAL NETWORKS
m0_64290725的博客
07-23 1038
论文阅读笔记一：SESSION-BASED RECOMMENDATIONS WITHRECURRENT NEURAL NETWORKS，基于RNN的会话推荐。
论文阅读笔记：Recurrent recommender networks
xiongjiezk的专栏
06-25 4068
**传统的推荐系统认为用户偏好和电影属性都是静态的，但其实它们都是随时间变化的。典型的如：用户偏好会被他们所看到的所影响，也会被电影评分所引导。**本文作者采用RNN对用户的行为轨迹做预测。采用LSTM构建了一个自回归的模型，以适应user及movie的动态性。本文所论述的方法在多种数据集上的验证结果都是精准的。
推荐算法 | 《Latent Cross: Making Use of Context in Recurrent Recommender Systems》
十三
09-14 1201
1 introduction 文中，作者研究了如何有效地处理神经推荐系统中的上下文数据。 首先对传统的将上下文作为特征的方法进行了分析，并证明这种方法在捕获特征交叉时效率低下。然后据此来设计RNN推荐系统。 We first describe our RNN-based recommender system in use at YouTube. Next, we offer “Latent Cr...
Improved Recurrent Neural Networks for Session-based Recommendations.pdf
06-11
这篇文章的关键词包括“Recurrent Neural Networks”（递归神经网络）、“Recommender Systems”（推荐系统）和“Session-based Recommendations”（基于会话的推荐）。从内容上看，这些关键词都是当前深度学习和...
Context_aware Sequential Recommender
01-24
Neural Networks (RNN) based methods have been successfully applied in several sequential modeling tasks. However, for real- world applications, these methods have difficulty in modeling the contextual...
Recurrent Neural Networks
11-18
深度学习暑期课件 Recurrent Neural Networks Deep Learning Summer School 2016 Yoshua Bengio Montreal Ins<tute for Learning Algorithms Université de Montréal
【基于序列的推荐】：Session-based Recommendations with Recurrent Neural Networks （附开源代码）
快来学习鸭～～～
11-21 3586
论文下载地址：https://arxiv.org/pdf/1511.06939.pdf 论文实现代码：https://github.com/Shicoder/GRU4Rec 首先解释一下什么是Session，Session就是从用户进入推荐界面到其离开的一次完整的行为流程。 作者将rnn应用到session推荐任务中。在传统的推荐任务中，往往着重考虑用户最后一次的点击行为，而与之同一时间段下前几...
WSDM 2017精选论文解读
CSDN 人工智能
03-08 2646
作者： 洪亮劼，Etsy数据科学主管，前雅虎研究院高级经理。长期从事推荐系统、机器学习和人工智能的研究工作，在国际顶级会议上发表论文20余篇，长期担任多个国际著名会议及期刊的评审委员会成员和审稿人。 责编：何永灿，欢迎人工智能领域技术投稿、约稿、给文章纠错，请发送邮件至heyc@csdn.net 本文为《程序员》原创文章，未经允许不得转载，更多精彩文章请订阅《程序员》 人工智能...
【推荐系统】融合 MF 和 RNN 的电影推荐系统
产业智能官
01-05 5014
来源：杨敏   PaperWeekly                  全标题：Leveraging Long and Short-term Information in Context-aware movie recommendation － 融合 MF 和 RNN 的电影推荐系统介绍本期的工作之前，先打一个紧急的招生广告，我们组现还有一个博士名额，想要来中科院深圳先进技术研究院读博的同学可以
《Improved Recurrent Neural Networks for Session-based Recommendations》 DLRS 2016 阅读笔记
studyless的博客
03-06 2601
简介：和上一篇介绍的ICLR 2016文章所要解决的问题一致，即利用session内用户的点击序列去预测用户下一次点击的item。方法也运用的RNN，但是更多在于引入了一些优化方法，如data augmentation, model pretrain, generalized distillation ( use of privileged information) 等。
论文浅尝 | 学习开发知识图谱中的长期关系依赖 - ICML 2019 ​
开放知识图谱
07-17 550
本文转载自公众号：南大Websoft。 论文：https://arxiv.org/abs/1905.04914代码：https://github.com/nju-web...
《session-based recommendations with recurrent neural networks》ICLR 2016 阅读笔记
studyless的博客
03-03 2904
文章简介: 该文提出了利用RNN建模一个session间用户的点击序列。该方法完全利用用户在当前session里的反馈去做推荐，相比原依赖用户历史记录的推荐能在解决冷启动问题上更为简洁有效。 模型 文中提出的模型如下图所示: Input层是对所有item做的one-hot encoding, 接下来是一层embedding层，再往下是一层或多层RNN模型，再往下是一个feedforward层，然
Deep Neural Networks for YouTube Recommendations
free356的博客
03-05 5439
《YouTube深度神经网络推荐系统》目的：利用深度神经网络做YouTube视频推荐。 论文信息：google的YouTube团队在推荐系统上DNN方面的尝试，发表在16年9月的RecSys会议。 一，Contribution：1）详细描述了一个候选集生成模型和一个深度排序模型，开始用deep learning做YouTube视频推荐。2）提供了一些从设计、迭代和维护庞大用户量的推荐系统中得到的实...
上海科技大学信息科学与技术研讨会（SSIST day3）笔记
木瓜子的博客
07-04 1935
一、Deep Network and Beyond presenters: Alan L. Yuille Johns Hopkins University 1.More Structured Attacks:Occlusion Jianyu Wang et al. Annals of Mathematical Sciences. 2018 2.DeepVote Dee...
Recurrent Entity Network笔记
Patrick Star的博客
07-23 2466
Recurrent Entity Network笔记 Recurrent Entity Network简称EntNet，最初在论文TRACKING THE WORLD STATE WITH RECURRENT ENTITY NETWORKS中提出，文中给出了lua+torch的代码地址。作者包括Facebook AI研究院的Mikael Henaff， Jason Weston(MemNN和MemN
基于卷积神经网络的推荐算法
热门推荐
free356的博客
03-05 2万+
基于卷积神经网络的推荐算法论文信息：华南理工大学   吴浠  16年硕毕论目的：将卷积神经网络应用到推荐系统，缩短训练时间。为此工作：1）对比分析了当前广泛应用于推荐系统中的各个算法，包括基于内容的推荐，协同过滤推荐，基于知识的推荐，混合推荐。2）将卷积神经网络应用到推荐系统中，实现了基于卷积神经网络的推荐算法。3）在 Matlab 中实现了基于卷积神经网络的推荐算法，利用 Movie Lens-...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值