推荐系统
文章平均质量分 75
麻烦给我点一份黄焖鸡
在校大学生
展开
-
诚邀赞助 | The ACM Conference on Recommender Systems
诚邀赞助 | The ACM Conference on Recommender Systems转载 2023-02-17 16:52:16 · 315 阅读 · 0 评论 -
研究论文征稿通知 | The ACM Conference on Recommender Systems
ACM推荐系统会议(RecSys)是推荐系统领域展示与交流研究成果、系统和技术的主要国际论坛。RecSys汇集了全球致力于推荐系统和相关领域研究的高等院校、科研机构和商业公司。它已经成为交流和讨论推荐系统研究成果的最重要的年度会议之一。转载 2023-01-27 10:40:07 · 766 阅读 · 0 评论 -
征稿通知 | ACM Conference on Recommender Systems (RecSys)
推荐系统领域RecSys会议(CCF-B)目前已开始征稿。转载 2023-01-13 13:36:36 · 608 阅读 · 0 评论 -
推荐系统领域对比学习和数据增强论文及代码集锦
推荐系统领域对比学习和数据增强论文及代码集锦原创 2023-01-01 12:16:43 · 1921 阅读 · 0 评论 -
AAAI2023 | 均匀序列更好:时间间隔感知的序列推荐数据增强方法
AAAI 2023 | 时间间隔感知的序列推荐数据增强方法 | 序列推荐 | 数据增强 | 对比学习原创 2023-01-01 11:26:48 · 659 阅读 · 0 评论 -
《推荐系统进展:方法与技术》个人阅读笔记
《推荐系统进展:方法与技术》是2019年科学出版社出版的图书,作者是郭贵冰。本书梳理了推荐系统的知识体系及其现实挑战,尤其是数据稀疏和冷启动两个重要问题,给出解决这些问题的思考方向和解决思路,从基础的基于用户与物品反馈的协同过滤,到基于上下文信息的情景感知模型,一步步深入剖析推荐系统模型的设计理念、建模方法和实验评估等。同时,本书介绍了领先的开源推荐算法库LibRec,能够更好地帮助读者了解推荐算法的实现原理和评估过程,快速试用和比较不同算法的推荐性能,也可方便读者基于LibRec框架便捷地实现自己的研究.原创 2021-08-05 10:52:12 · 194 阅读 · 0 评论 -
推荐系统-矩阵分解 个人学习索引
这篇博客是我学习推荐系统中矩阵分解方法所查看过的相关资料和博客,每种方法会给出一篇对于我个人来说较易理解的博客或文章。基于模型的协同过滤技术中尤为矩阵分解(Matrix Factorization)技术最为普遍和流行。评分矩阵(稀疏的,稀疏度90%以上)的补全问题。传统的奇异值分解算法只能对数据稠密的矩阵进行分解,而评分矩阵是极度稀疏的,因此,若要使用SVD对评分矩阵进行分解,首先要对矩阵的缺失值进行填充,这样便造成了数据量增加、数据失真等问题,所以人们开始研究对已有矩阵的分解。1.SVD(..原创 2021-03-13 16:52:10 · 157 阅读 · 0 评论