- 博客(20)
- 收藏
- 关注
RSS订阅原创 TensorFlow问题：FLAGS._parse_flags()报错AttributeError:_parse_flags
1，前言俗话说，难者不会，会者不难。当时解决这个“AttributeError:_parse_flags”时，真真是耗费我一些时间，所以在我解决后，我的第一个想法就是赶紧把TensorFlow这个坑给添上，话不多说了，直接写原因和解决方案2，原因哎呀、、、、还是TensorFlow的版本问题了，TensorFlow版本升级后，它就无情的抛弃了FLAGS._parse_flags()这种...
2018-07-18 19:40:02
14106
2
原创 TensorFlow问题：Expected int32, got list containing Tensors of type '_Message' instead.
1，前言查阅了很多资料，发现出现这个报错的始作俑者就是tf.concat()，话不多说，直接上错误“Expected int32, got list containing Tensors of type '_Message' instead.”的原因和解决办法2，原因TensorFlow版本带来的错误，具体分析如下：TensorFlow 1.0之前的版本，concat()的参数顺序...
2018-07-18 19:28:25
2593
原创 推荐系统——Collaborative Variational Autoencoder for Recommender Systems
论文描述：*由于深度学习强大的表示学习能力，深度学习与传统推荐算法的结合的模型越来越多。最近，协同深度学习（CDL）和collaborative recurrent autoencoder已经被提出联合学习堆叠降噪自编码器和协同过滤，这两种模型通过一些降噪标准从内容中学习表示。首先通过掩盖某些部分或用通配符替换一些内容来破坏输入，然后使用神经网络重建原始输入。然而降噪自编码(DAE)实际上没有...
2018-07-18 08:51:08
3301
原创 推荐系统—— Proposing a highly accurate hybrid component-based factorised preference model in recommender
论文描述：*在信息爆炸的时代，推荐系统扮演着越来越重要的作用。协同过滤推荐模型是最受欢迎的推荐算法之一，基于矩阵分解的协同过滤推荐算法进行扩展的方法有很多，很多研究者会将一些辅助信息整合到协同过滤算法中以解决推荐系统遇到的数据稀疏和冷启动问题。这些辅助信息包含，user and item biases, feature value preferences, coditional depende...
2018-07-18 08:50:57
163
原创 推荐系统——Directed edge recommender system
论文描述：*大多数现有的推荐系统专注于为每个用户寻找相关项目。在本文中，我们重点关注有向边推荐问题，即用户与用户之间的共享关系。*共享是建立和维持密切关系的重要部分，共享表示一个用户购买一个商品并将其赠与另一个人的过程，共享的原因包括令某人高兴或者喜欢某人，以及在某一特定主题上突出自己。研究表明，当一个人选择一种要赠与他人的商品时的决策行为是和为自己购买商品的决策行为不同。共享本质上是一种...
2018-07-18 08:50:47
205
原创 推荐系统——Top-N Recommender System via Matrix Completion
论文描述：*现有大多数Top-N推荐系统的工作原理是根据历史信息预测消费者对新商品的评分，并向消费者推荐预测值较高的新商品。历史信息包含显示信息，如，评分或评论文本，也包含隐式信息，如，用户的购买历史或浏览历史。*现有Top-N推荐算法大致可以分为三类：基于领域的协同过滤，基于模型的协同过滤和基于排序的方法。这些方法的一个共同缺点在于推荐性能低。*最近提出了一种新的Top-N推荐方法S...
2018-07-18 08:50:30
1399
原创 推荐系统——Dual-regularized matrix factorization with deep neural networks for recommender systems
论文描述：*由于深度学习强大的表示学习能力，许多推荐系统通过融合深度学习算法与传统的矩阵分解模型，得到比较好的推荐性能。最近一些研究通过神经网络以深入表示商品的内容信息，并通过生成更准确的商品潜在模型使得推荐系统得到进一步的提升。但是这些模型并未充分利用用户和商品的文本信息。*在本文中，我们提出了使用深度神经网络的双向正则化矩阵分解模型（dual-regularized matrix fa...
2018-07-18 08:50:18
677
原创 推荐系统——Collaborative Memory Network for Recommendation Systems
论文描述：*协同过滤推荐系统可以分为三类：基于内存或者邻域的方法、潜在因子模型和混合模型*基于邻域的方法通过从两个用户或商品之间的反馈交叉点中选择最多K个观测值，以获取用户和商品历史交互数据的局部结构，但这样做通常忽略了大多数可用的评分。*潜在因子模型，例如矩阵分解模型，可以得到用户和商品之间的全局结构，但通常会忽略上述强关联的存在。*混合模型，例如SVD++，通过整合基于领域的方...
2018-07-18 08:50:06
1787
原创 推荐系统——Neural collaborative filtering
论文描述：*矩阵分解模型是目前最为流行的一种协同过滤方法，通过用户潜在特征和商品潜在特征的内积重构用户-商品交互矩阵中的未知项，模型简单、易扩展且灵活。但是取得的推荐性能较低。基于矩阵分解的改进方法有，将矩阵分解模型与基于内容的模型相结合，形成混合模型；将辅助信息整合到矩阵分解模型中等。由于深度学习强大的表示学习能力，一些研究开始将深度学习的方法与传统的矩阵分解模型相结合，以提高推荐系统的性能...
2018-07-18 08:49:57
1551
原创 推荐系统——Matrix factorization techniques for recommender systems
论文描述：*基本矩阵分解模型只利用到了用户-商品交互的显示反馈信息（评分等），虽然模型简单、灵活易扩展，但是推荐性能较低，较为流行的基本矩阵分解模型是SVD。*基于SVD进行的扩展的经典推荐算法是SVD++，SVD++通过添加各种辅助信息扩展了SVD模型，提高了推荐系统的性能。这些辅助信息包含：用户和商品的偏置、用户偏好表示。由于每个用户对商品的评价标准不同，所以直接用用户-商品交互的...
2018-07-18 08:49:45
2548
原创 推荐系统——Collaborative User Network Embedding for Social Recommender Systems
论文描述：*为了解决推荐系统中数据稀疏和冷启动的问题，许多推荐算法引入了社交信息（例如：用户-用户信任链接）来补充评分数据以改进传统的基于模型的推荐技术性能，例如矩阵分解（MF）和贝叶斯个性化排名（Bayesian personalized ranking,BPR）。这样做，尽管取得了一定的效果，但直接从这些社交信息中提取的显示用户—用户关系具有三个主要限制，首先，由于只有一小部分用户在推荐系...
2018-07-17 16:37:55
1486
原创 推荐系统——Improved Bounded Matrix Completion for Large-Scale Recommender Systems
论文描述：*矩阵分解和矩阵填补被广泛用于个性化推荐系统中，通过已知的用户—商品评分构建用户-商品矩阵，并通过重构初始评分矩阵以预测缺失的评分。传统的矩阵分解模型并没有对预测值施加任何约束，但是在真实数据中，评分都是在某一特定区域范围内的。例如，MovieLens和Netflix数据集的评分在[0.5,5]的范围内，但未加约束条件的传统矩阵分解模型的预测值通常会超出此范围的值。面对这种情况，对传...
2018-07-17 16:35:54
261
原创 推荐系统——Exploiting Emotion on Reviews for Recommender Systems
论文描述：通过给在线用户推荐潜在兴趣的产品，推荐系统已经成为解决信息过载问题的很重要的方法。现有的大多数推荐系统主要依靠用户的历史评分或者评论文本进行推荐，但是由于数据资源的不足而导致数据稀疏和冷启动的问题。因此，可帮助推断用户偏好的在线用户生成数据已成为推荐系统缓解数据稀疏性和冷启动问题的关键补充来源，例如：社会推荐（Socical Rcommendation）利用同源性理论得到的用户-用户...
2018-07-17 16:33:48
461
原创 推荐系统——Converged Recommendation System Based on RNN and BP Neural Networks
论文描述：随着电子商务系统、社交网络、音乐应用等在线消费平台的快速发展，大量用户的消费行为日志每天都在产生。同时，我们现在有很好的硬件环境和相应的大数据处理技术来处理这些日志，如：越来越成熟的并行计算技术、机器学习和深度学习算法。尽管研究人员已经对推荐系统做了大量的研究，如：协同过滤推荐技术，但是目前的推荐系统并不能有效地同时处理时间上下文和复发模式问题。 社交网络或其他在线消费平台中的用...
2018-07-17 16:31:56
329
原创 推荐系统——Confidence-Aware Matrix Factorization for Recommender Systems
论文描述：协同过滤算法（CF）特别是基于矩阵分解（MF）的方法，已经被广泛应用于推荐系统中。现有的很多研究文献已经证明矩阵分解方法在推荐系统中能够产生更高的评分预测准确度。然而，现有的矩阵分解方法很少考虑一些辅助信息，更少方法会考虑到评分预测的置信度。评分预测的置信度，即推荐系统对评分预测的可信任度具有提高推荐系统性能的重要作用，因为在现实世界里，用户通常唉推荐结果中有多种选择，这些选择具...
2018-07-17 16:29:37
824
原创 推荐系统——A Hybrid Collaborative Filtering Model with Deep Structure for Recommender Systems
论文描述：协同过滤方法是推荐系统中应用较为广泛的方法。传统的基于CF的方法使用用户-商品矩阵编码用户的个人偏好用于学习以进行推荐。在实际中，评分矩阵通常非常稀疏，导致基于CF的方法在推荐性能上显著降低。在这种情况下，一些改进的CF方法利用越来越多的辅助信息来解决数据稀疏性问题以及冷启动问题。但是，由于用户-商品矩阵和辅助信息的稀疏性质，学习到的潜在特征可能无效。为了解决这个问题，我们首先提出了...
2018-07-17 16:27:02
1273
2
原创 推荐系统——Review Sentiment–Guided Scalable Deep Recommender System
论文描述：推荐系统可以根据已有评分和其他信息来预测给定用户对给定商品的评分。最成功的方法是协同过滤，但是会面临数据稀疏和冷启动的问题。最近，深度学习模型被提出用来缓解使用评论的评分矩阵的稀疏性，然而由于文本中存在歧义，已有的一些方法仅仅根据评论中生词的串联是具有挑战性的。因此，情感信息对于建模用户和商品来解决评论中的不确定性至关重要。由于对评论的过度表示，它们在训练时间和内存使用方面也不具有可...
2018-07-17 16:22:45
573
原创 推荐系统——Learning Graph-based Embedding For Time-Aware Product Recommendation
论文描述：目前，各种推荐系统的方法被提出，最初是基于人口统计学，内容和协同过滤。尽管各种方法在一些领域具有高效性，但是它们通常在较小的数据集上表现良好，当数据的规模不断增加时，问题就变得很有挑战性了。针对大规模数据集，几种基于网络嵌入的推荐算法已经被提出，然而它们不能高效的表示用户的动态偏好。本文提出了一种新的产品图嵌入模型(PGE)，利用网络表示学习技术来研究时间感知的产品推荐。本文的模...
2018-07-17 16:19:03
731
原创 推荐系统——Micro behaviors: A new perspective in e-commerce recommender systems
论文描述：电子商务网站的爆炸式流行已经改变了用户的购物习惯，越来越多的用户喜欢花更多的时间在网上购物。这使得电子商务网站能够观察到关于用户的丰富数据，包括用户与商品的宏观交互数据，如：用户-商品评分矩阵，和微观的行为数据，如：浏览商品的时间、对商品的阅读和评论等。大多数传统推荐系统集中于用户和商品之间的每个宏观交互中，利用微观行为数据进行推荐的系统相当有限。本文中，我们从微观行为的角度改进推荐...
2018-07-17 16:14:56
1325
1
原创 如何在Windows下克隆GitHub远程库
1，前言之前一直在Linux下使用Git，今儿由于需要，想在Windows下cloneGitHub下的一个远程库，结果报错了，提示“permission denied”，也就是没有权限，之前也遇到过，就是懒得理他、、、现在必须得在Windows下用git了，所以索性就瞥了几眼网上的资料，也就给轻松解决了。其实，原因很简单，就是没有给Windows环境创建SSH秘钥2，方法（1）要想在W...
2018-07-17 16:07:18
7392
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人