关于cross-domain recommendation的论文阅读笔记

最新推荐文章于 2023-03-27 16:56:04 发布
最新推荐文章于 2023-03-27 16:56:04 发布
阅读量5.7k 收藏 15
点赞数
分类专栏： 算法 深度学习 读书笔记
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/like_red/article/details/99716353
版权

阅读笔记，持续更新…

1、只用到了rating matrix进行建模

《DARec: Deep DomainAdaptation for Cross-Domain Recommendation via Transferring Rating Patterns》

《DARec: Deep DomainAdaptation for Cross-Domain Recommendation via Transferring Rating Patterns》
user/item的representation从AutoEncoder中得到（AutoEncoder的缺点是，当数据量非常稀疏的时候，得到的隐向量并不好），然后source和target domain上的预测同时进行，并在预测的同时进行domain的预测。
损失函数
损失函数中可以看到，就是同时对两个domain上的得分的预测。R表示rating pattern extractor、rating predictor、domain classifier这三个网路上的参数的正则化。
【使用条件：source和target上的user是完全重叠的】

最低0.47元/天 解锁文章
like_red
关注
  • 0
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
GA-DTCDR：A Graphical and Attentional Framework for Dual-Target Cross-Domain Recommendation
Guozyan的博客
05-23 1960
提出一个图形和注意力的框架GA-DTCDR：首先，构建两个独立的异构图，并从两个领域的评级和内容信息上生成更具代表性的用户和项目嵌入；然后，提出一个元素级的注意力机制，有效的联合嵌入两个域的共同用户。这一层可以智能的为从两个域种学习到的共同用户的两个嵌入提供一组权重，并为共同用户生成组合嵌入，保留不同比例的两个域中学到的特征。给出两个相关域A,B的显示反馈（评级和评论），隐式反馈（购买和浏览历史），边信息（用户配置文件和项细节），双域推荐的目的是同时提高这两个域的推荐准确率。
cross-domin，Domain adaptation 与 Domain generalization学习
qq_33031419的博客
10-21 1132
cross-domin学习
【推荐算法】CCCFNet: A Content-Boosted Collaborative Filtering Neural Network for Cross Domain Recommender
qq_36643449的博客
12-30 565
一、亮点 使用因子分解的框架，将协同过滤和基于内容的过滤结合在一起； 使用Cross Domain跨领域推荐——假设跨领域存在一些一致的模式(如不同的domain共享user-side sub-network)，因此可以从相对密集的辅助领域获取知识。 二、模型具体结构 rating matrix 定义为： item content attribute matrix定义为： A(1)和R(1)代表target domain的矩阵，A(2)和R(2)代表auxiliary domain的。 为了融合it
DATNet网络训练思路分析
qq_44789021的博客
03-27 164
DATNet网络训练思路分析
跨域推荐(Cross-Domain Recommendation)的最新综述
m0_57656758的博客
12-05 3457
论文解读系列第十六篇：IJCAI 2021--跨域推荐（Cross-Domain Recommendation）的最新综述 - 知乎目录1.背景介绍(1)内容层级相关性(content-level relevance)(2)用户层级相关性(user-level relevance)(3)产品层级相关性(item-level relevance)2.综述的动机3. 不同的跨域推荐场景以及挑战场景1. 单目标跨域推荐(single-target CDR)场景2. 多领域推荐(Multi-Domain Recom
Cross-Domain Sentiment Classification with Target Domain Specific Information
03-01
提出了一种具有目标域特定信息的跨域情感分类。文中提出的模型是对源目标数据、最终目标分别进行编码，编码分别通过源分类器训练源丰富的标签数据、特定分类器训练目标标签数据，两个分类器共同训练目标未标记数据。实验数据采用亚马逊的不同种类产品的评论数据，并构建12个跨域二进制分类任务，实验表明跨域分类的自适应方法比组内任务实现效果要好，具有正则化器的组内任务比跨域任务效果好。该方法强调域不变信息和域特定信息对跨域情感分类的重要性。
Awesome-GNN-Recommendation:图神经网络
03-18
欢迎您加入我们，为GNN和Recommendation提供任何贡献！这是供稿者使用的模板： [ID] Authors. **Paper_Name**. Conference&Year. [Paper](Paper_Link) 模板的一个简单示例： 1. Long, Qingqing and Jin, Yilun and...
Top- N Recommendation with A Neural Co-Attention Model.pdf
06-11
2018-Leveraging Meta-path based Context for Top- N Recommendation with A Neural Co-Attention Model
kaggle elo-merchant-category-recommendation dataset
04-25
"elo-merchant-category-recommendation"是Kaggle举办的一场竞赛，旨在利用机器学习技术为用户提供最优的商户类别推荐。本数据集包含多个文件，如historical_transactions.csv、new_merchant_transactions.csv、...
A Multi-View Deep Learning Approach for Cross Domain User Modeling in Recommenda
11-19
本文介绍了在推荐系统中，用于跨域用户建模的多视图深度学习算法。该文提出了一个通用的推荐框架，它使用深度学习来匹配用户特征和项目特征。展示了如何扩展这个框架，用来组合来自不同领域的数据，从而进一步提高推荐质量。最后讨论了通过降维的方式，使这种算法可扩展到大数据集的不同方法。
NARRMDA negative-aware and rating-based recommendation algorithm for miRNA–disease association prediction
02-08
An increasing amount of evidence indicates that microRNAs (miRNAs) are closely related to many.important biological processes and play a significant role in various human diseases....
Cross-domain Recommendation Without sharing User-relevant Data简析
loserChen的博客
05-04 1353
Cross-domain Recommendation Without sharing User-relevant Data 介绍 为了联合不同网站的相同数据以提高 推荐质量，但是为了避免商业隐私，文章不使用用户相关的数据，而仅仅使用item的信息，同时为了有效的发掘有用的信号，文章使用了一种新的方法NATR（Neural Attentive Transfer Recommendation） 架构...
坤哥笑侃跨域推荐（一） Cross-Domain Recommendation, An Embedding and Mapping Approach （IJCAI-17）
qq_32813967的博客
07-18 4421
这是本人看的第一篇跨域推荐的文章，刚接触这一领域，有所错误，请多指正。 目录 跨域分类 面临挑战 模型 实验对比 总结 跨域分类 正如文章一开始说，跨域推荐是解决推荐领域数据稀疏性（sparsity）的一种方法。紧接着，文章介绍了两种跨域的方式以及缺点：     1）非对称方式，利用源领域知识降低目标领域知识的稀疏性。这时源领域的知识在目标领域充当先验或正则化项的作用（不是我说的...
【论文笔记11】 Deep Domain Adaptation With Differential Privay 差分隐私下的深度域泛化, IEEE TIFS 2020
weixin_45632492的博客
04-10 672
目录导引系列传送AbstractReference 系列传送 【Active Learning】 【论文笔记01】Learning Loss for Active Learning, CVPR 2019 【论文笔记02】Active Learning For Convolutional Neural Networks: A Core-Set Approch, ICLR 2018 【论文笔记03】Variational Adversarial Active Learning, ICCV 2019 【论文笔记0
cross-domain
weixin_30338481的博客
04-22 202
1 // GET 2 jsonp = () => { 3 let url = "http://xxx"; 4 fetch(url).then(function (response) { 5 return response.json() 6 }).then((json) => { 7 console.l...
Feature Representation Learning for Unsupervised Cross-domain Image Retrieval
最新发布
05-11
feature representation learning for unsupervised cross-domain image retrieval is an important area of research with many potential applications, including art history, fashion, and product ...
评论
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