![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文阅读
文章平均质量分 96
EmoryHuang
研究僧,菜鸟级程序员一枚
展开
-
【论文阅读】GETNext: Trajectory Flow Map Enhanced Transformer for Next POI Recommendation
Next POI 推荐是根据用户的当前状态和历史信息,预测用户近期的动向,为用户和服务提供商带来巨大的价值。2022 年 SIGIR 的一篇论文:GETNext: Trajectory Flow Map Enhanced Transformer for Next POI Recommendation原创 2022-07-23 11:32:34 · 1901 阅读 · 1 评论 -
【论文阅读】Geography-Aware Sequential Location Recommendation
顺序位置推荐在许多应用中发挥着重要作用,如移动性预测、路线规划和基于位置的广告。它不但可以提高用户体验,增加用户粘性,还能为商家带来潜在的商业利益,已成为推荐系统中最重要的研究方向之一。...原创 2022-07-14 10:24:10 · 448 阅读 · 0 评论 -
【论文阅读】DynaPosGNN: Dynamic-Positional GNN for Next POI Recommendation
随着基于位置的社交网络(Location-Based Social Network)的快速发展, 海量的签到数据被用于挖掘用户的行为模式以实现兴趣点(Point-of-Interest) 推荐。 兴趣点推荐不但可以提高用户体验,增加用户粘性,还能为商家带来潜在的商业利益,已成为推荐系统中最重要的研究方向之一。......原创 2022-07-01 21:21:44 · 368 阅读 · 0 评论 -
【论文阅读】ALBERT: A LITE BERT FOR SELF-SUPERVISED LEARNING OF LANGUAGE REPRESENTATIONS
在 BERT 提出之后,各种大体量的预训练模型层出不穷,在他们效果不断优化的同时,带来的是巨大的参数量和漫长的训练时间。当然对于这个问题,也有大量的研究。ALBERT是谷歌在 BERT 基础上设计的一个精简模型,主要为了解决 BERT 参数过大、训练过慢的问题。...原创 2022-07-01 21:21:03 · 395 阅读 · 0 评论 -
【论文阅读】Attention Is All You Need
Transformer 是谷歌在 2017 年底发表的论文 Attention Is All You Need 中所提出的 seq2seq 模型,Transformer 的提出也给 NLP 领域带来了极大震动。现如今,不少模型还是以 Transformer 作为特征抽取机制 ,比如 BERT 就是从 Transformer 中衍生出来的预训练语言模型。Transformer 完全抛弃了传统的 CNN 和 RNN,整个网络结构完全是由 Attention 机制组成。...原创 2022-07-01 21:20:15 · 617 阅读 · 1 评论 -
【论文阅读】BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
BERT 是 Google 于 2018 年提出的 NLP 预训练技术,全称是 **B**idirectional **E**ncoder **R**epresentations from **T**ransformers,直译可以理解为双向 Transformer 的 Enocder。原创 2022-06-13 19:35:02 · 505 阅读 · 0 评论 -
【论文阅读】Dynamic Error Thresholds
Dynamic Error Thresholds前言基于预测和阈值的方法来做异常检测,在常规的方法中,我们往往会使用一种最朴素的方法来确定阈值,也就是设置一个常数,如果超过这个常数,那么认为某个点是「异常」的。论文《Detecting Spacecraft Anomalies Using LSTMs and Nonparametric Dynamic Thresholding》 提到了一种动态设置阈值的方法,最近也是学习实现了一下。你可以在这里找到原文:Detecting Spacecraft A原创 2021-12-16 15:29:54 · 639 阅读 · 0 评论 -
【论文阅读】Time-Series Anomaly Detection Service at Microsoft
「异常检测」旨在发现数据中的意外事件或罕见项目。它在许多工业应用中非常流行,是数据挖掘中的一个重要研究领域。原创 2022-06-08 20:46:16 · 744 阅读 · 0 评论 -
【论文阅读】Modeling Extreme Events in Time Series Prediction
论文原文时间序列预测是数据挖掘中一个深入研究的课题。尽管取得了相当大的进步,但最近基于深度学习的方法忽略了极端事件的存在,这导致将它们应用于实时序列时性能较弱。原创 2022-06-08 20:45:47 · 404 阅读 · 0 评论