![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文
文章平均质量分 92
JinyuZ1996
Standing on the shoulder of giants.
展开
-
【论文泛读】Leveraging Distribution Alignment via Stein Path for Cross-Domain Cold-Start Recommendation
Leveraging Distribution Alignment via Stein Path for Cross-Domain Cold-Start Recommendation - 2021 NeurIPS这是一篇发在NeurIPS 2021会议上的文章,读到它其实是机缘巧合,在文章返修的时候,审稿人指出我们的Related Work中应该包含这篇,于是就把这篇文章粗略看了看,与我们投稿所关注的SCSR问题是有关联的,但问题也不完全类似。单就文章的思路来说,作者条理清晰,举例恰当,本人在阅读过程中受原创 2022-05-08 18:39:59 · 3750 阅读 · 2 评论 -
【论文泛读】Easing Embedding Learning by Comprehensive Transcription of Heterogeneous Information Networks
Easing Embedding Learning by Comprehensive Transcription of Heterogeneous Information Networks [2018-SIGKDD]本文是我在上一篇泛读中提到的,被投在顶会SIGKDD上的2018年的引用文章,当时引用是为了解释域间行为信息不兼容偏差,并指出这篇引文中解释了网络信息中由于信息异构性而产生的语义不兼容问题。由于我个人主要关注与跨域推荐这一块儿,如果本文确实证明了这一点,那么他将是支持跨域公平性研究的一篇重要参原创 2022-04-21 18:44:03 · 1474 阅读 · 0 评论 -
【论文泛读】JSCN: Joint Spectral Convolutional Network for Cross Domain Recommendation
JSCN: Joint Spectral Convolutional Network for Cross Domain Recommendation - 2019 IEEE BigData本文发在了IEEE BigData 上,虽然非顶会,但其谷歌指数接近IJCNN,并且提供了代码,以借鉴其思路为主,在此分享给大家,具体如下:论文解决的具体问题和主要假设这是一篇域自适应相关的文章,也是最近看到的比较有意思的一篇处理文本跨域问题的文章。我在本文共找到两个公平性假设,第一个假设中作者认为域之间存在高阶连通原创 2022-04-15 17:21:58 · 3029 阅读 · 0 评论 -
【论文泛读】Towards Long-term Fairness in Recommendation - 2021 - WSDM
Towards Long-term Fairness in Recommendation [2021-WSDM]本文是投在顶会WSDM上的2021年的新文章,旨在采用强化学习方法解决常规推荐环境中的曝光不公平问题。个人进行了泛读,摘要和评论如下(由于未进行精读可能会存在谬误):论文解决的具体问题和主要假设该篇论文站在item的角度,认为解决推荐系统的公平性问题,不应该在静态的或者在“使用一次性策略就能使之公平”的假设中进行,即公平性约束条件(或策略)应该是随着时间而动态变化的。例如,曾经t时刻流行的产原创 2022-04-07 16:07:22 · 790 阅读 · 1 评论 -
【论文泛读】DIN - Deep Interest Network for Click-Through Rate Prediction
DIN多兴趣发现模型分析用户多兴趣推荐问题引入 假如你对推荐系统有所了解,应该就会知道现行多数模型或者说算法,关注的都是如何去挖掘用户一方面的兴趣,来达到对用户精准的实施推荐的目的。通过文献的阅读我们发现,神经网络模型目前也已经被广泛地应用于各种推荐系统中。但他们都是怎么做的呢?是的,这些基于神经网络的推荐算法通常只会从用户的行为序列中学习到一个用户表征向量(Embedding),但是这个统一的Embedding往往无法反映用户在一段时期内的多种不同的兴趣。举个例子,我们现在假设有一个女性用户A,原创 2020-12-28 16:08:21 · 503 阅读 · 2 评论 -
【论文精读】Hierarchical Reinforcement Learning for Course Recommendation in MOOCs 2019 AAAI
【小干货】一篇分层强化学习推荐模型的论文分析 本文通过论文精读,介绍了一下分层强化学习技术的细节,论文传送门贴在最下方。该论文是发表在AAAI 2019的顶会论文,想用分层强化学习改善推荐模型的同学都可以来学习一下,码字不易喜欢的话可以评论交流。 其实本来我关注的模型复杂度都比较简单的,也是最近在导师的影响下,才开始研究这篇分层强化学习的paper,收获很大,文章难度适中,在这里给大家写一写我对它的分析,希望能帮的上忙,让大家学习得更快一点(PS:我之前刚开始学习的时候搜过还没有人分析过这篇pa原创 2020-12-30 19:43:37 · 2646 阅读 · 6 评论