![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
文章平均质量分 87
Braylon1002
这个作者很懒,什么都没留下…
展开
-
EBR开山之作:Embedding-based Retrieval in Facebook Search
推荐场景中的召回方法,主要针对embedding-based retireval方法的学习总结。原创 2024-02-22 20:03:27 · 877 阅读 · 0 评论 -
MIMNCell超详细分解 论文看不懂点这里就对了!
简介最近的一个工作需要用到MIMNCell,但是原本的论文其实一篇比较工业化的论文,里面对于离线部分的MIMN可以说完全没有解释,我一步一步的将官方的实现在这里做一些分享。官方paper在这里:传送门MIMNCell的主要模块首先MIMNCell我认为是 RNN结构的一种改进。当然其中增加了很多的模块,但是输入仍然是一个时序序列。其中主要包括:ControllerMemory ReadMemory WriteMIU部分,其中重要的是理解MIU部分维护的S矩阵基本的工作流程是:co原创 2021-08-22 12:27:55 · 336 阅读 · 0 评论 -
推荐系统论文 Handling Information Loss of Graph Neural Networks for Session-based Recommendation
文章目录简介MotivationModelExperiments简介这是一篇关于图的推荐论文,论文的创新点非常简单,但是非常精准。解决的办法也并不复杂,我个人非常喜欢这种用简单的方法解决一个比较关键的问题的论文。也是我师兄的一个分享,这里我增加一些我个人的理解,在这里做一个分享。Motivation这一部分其实我认为是这篇论文的精华。从上图可以看出,对于长序列,我们将序列转换为上面一张图。然后在GNN的过程中,一般GNN的层数是3层左右,那么也就是说只能传递3跳的信息。这样对于一个长序列来说,原创 2021-08-05 15:34:32 · 394 阅读 · 0 评论 -
推荐系统论文 MRIF: Multi-resolution Interest Fusion for Recommendation
文章目录简介MotivationModelInterest Extraction LayerInterest Aggregation LayerExperiments简介这里分享一篇SIGIR 2020的一篇short paper,是序列推荐问题的一个解决方法,其中有一些值得参考的思路和思想。而且是阿里的文章。Motivation着重解决两个问题:用户兴趣是动态的,并且随着时间的推移而演变;用户的兴趣有不同的分辨率,或者精确地说是时间范围,比如长期偏好和短期偏好Model整个模型的结构原创 2021-07-07 17:37:42 · 322 阅读 · 2 评论 -
推荐系统论文 Hierarchical Leaping Networks
文章目录简介formulation问题Main WorkLeap Recurrent Unitpreference gateLeap GatePreference ManagerPrediction and TrainingExperiments简介这里分享一篇关于推荐系统的论文,主要的方向是对于序列推荐的兴趣分解的一种建模方法。我主要将我认为论文中重要的部分进行分享,如果大家对于这篇论文很感兴趣可以把你的邮箱评论给我,我把原文发你。SIGIR 2020formulation这里定义一下这原创 2021-04-27 15:06:45 · 272 阅读 · 0 评论 -
推荐系统论文Non-invasive Self-attention for Side Information Fusion in Sequential Recommendation
文章目录简介MotivationInvasive VS Non-InvasiveProblem StatementModelNOVA-BertExperiments简介AAAI 2021Motivation在序列推荐中,Bert已经被用来进行处理序列数据,而其中最核心的机制就是自注意力mechanism。Bert模型又一个限制就是只能考虑一种tokens的输入但是在推荐场景中,还有很多其他的信息,除了点击历史,还有durating,past_days等等本文将关注如何将多种类原创 2021-03-19 19:00:34 · 1515 阅读 · 2 评论 -
推荐系统论文 Learning Intents behind Interactions with Knowledge Graph for Recommendation
文章目录简介IntroductionMain contributionsModelModel predictionModel optimizationExperiments简介WWW 2021非常新的论文,而且作者是国内非常有名的组。我主要分享一些我认为比较重要的干货,如果同学想很详细的了解的话还请从网上下载或者评论里面发给我邮箱。Introduction当前的基于图卷积的方法主要存在以下两个方面的drawbacks:user intents对于用户意图的研究在现有方法中鲜有提到,没原创 2021-03-10 18:11:32 · 3881 阅读 · 36 评论 -
推荐系统论文 DeepMCP
文章目录DeepMCPAbstractModelExamplePrediction SubnetMatching SubnetCorrelation SubnetTraining ProcedureDeepMCPAbstract经典的CTR模型关注的是feature-CTR之间的关系(权重)。DeepMCP模型在此基础之上又额外考虑了● feature-feature● user-ad● ad-ad这三种关系。Model整个模型包括三个部分matching subnet用来匹配u原创 2021-03-07 11:38:51 · 377 阅读 · 0 评论 -
推荐系统论文 HeterogeneousGraph Augmented Multi-Scenario Sharing Recommendation with Tree-Guided
文章目录简介Sharing RecommendationProblemsMTL传统框架ModelTree-guided Expert NetworksMulti-view Heterogeneous Graph AugmentationOptimizationDatasetPerformance简介Heterogeneous Graph Augmented Multi-Scenario Sharing Recommendation with Tree-Guided Expert Networks是发表原创 2021-03-01 17:16:10 · 777 阅读 · 4 评论 -
推荐系统论文 Context-aware Graph Embedding for Session-based News Recommendation
Context-aware Graph Embedding for Session-based News RecommendationRecSys 2020Focus on session-based news recommendationAbstractExisting methods ignore the semantic-level structural information among news articles and do not explore external knowl原创 2020-12-06 22:45:33 · 801 阅读 · 1 评论 -
推荐系统论文 Fine-grained Interest Matching for Neural News Recommendation
Fine-grained Interest Matching for Neural News RecommendationACL 2020Main IdeaInstead of aggregating user’s all historical browsed news into a unified vector, we hierarchically construct multi-level representations for each news via stackeddilated c原创 2020-12-06 22:42:17 · 243 阅读 · 0 评论 -
推荐系统论文 Fine-grained Interest Matching for Neural News Recommendation
文章目录Fine-grained Interest Matching for Neural News RecommendationMain IdeaModelFrameworknews representation moduleCross Interaction ModulepredictorDataset我的论文笔记一般讲的都是干货,把我认为最有价值的部分提炼出来,当然也希望能帮助到大家。大家共勉Fine-grained Interest Matching for Neural News Recom原创 2020-11-24 14:42:56 · 326 阅读 · 0 评论 -
Deep Cross中的cross Layer详解(数学公式+代码+实现细节)
文章目录简介DCN中的Cross Layer操作流程数学原理Torch实现简介再推荐模型中,对于特征feat interaction的探索占据了相当一部分的工作。这也说明对于CTR问题来说,feature Interaction的探索是判断最终用户click的重要一环。除了FM和FFM等因子分解机模型之外,还有Cross Layer的出现也是非常具有代表性的特征交互模型。这里从DCN模型入手,然后单独将cross layer抽离出来,然后对于他的数学原理还有代码实现细节都进行比较深入的探索。DC原创 2020-10-29 20:35:31 · 1303 阅读 · 0 评论 -
推荐系统论文 ATBRG SIGIR2020
文章目录简介Current MethodMain WorkATBRGGraph construction partModel PartExperiments简介从题目上看,自适应目标行为关系图神经网络来提高推荐系统的表现。自适应:区别于在整个KG上进行random sampling或者盲目使用neighbors,需要自适应地针对用户行为与目标item在KG上保存有效信息目标行为关系图:一针对每一个user-item的子图,捕捉它们的相互作用Current Method这里说的是KG和R原创 2020-10-23 11:36:42 · 378 阅读 · 0 评论 -
推荐系统论文AutoFIS KDD2020
文章目录Title简介Core problemCurrent MethodThinking(1)Thinking(2)Two-StageMain WorkFactorization ModelsSearch StageNAS DARTScoupling problemGRDA Optimizerretrain -stageExperimentsTitle简介来自华为Ark Lab和上交合作的一篇专注于CTR问题中factorization Models的特征选择问题。本文提出了Auto feat原创 2020-10-02 11:17:09 · 472 阅读 · 0 评论 -
新闻推荐论文 Graph Neural News Recommendation with Unsupervised Preference Disentanglement
文章目录简介作者Core problemCurrent methodMain workAssumptionArchitectureNews Content Information ExtractorGNUDPreference RegularizerTraining LossNoteExperiments Res简介我将不定期带来推荐方面的论文研读。我会比较直入主题,讲论文中的主要部分和精华进行提炼和总结,希望大家能有所收获。作者来自石川老师的团队,国内比较有名的新闻推荐团队。这篇论文发表在A原创 2020-09-28 19:46:31 · 950 阅读 · 0 评论 -
推荐系统(一) GBDT+LR拉开特征工程模型化的序幕
文章目录简介2004GBDT+LR缺点实现GBDT+LR 历史地位简介GBDT的原理分析和LR的公式推导已经不需要我再去再添拙笔,这里我将用一个推荐系统系列来从推荐系统发展的角度来看这些在推荐系统不算长久的发展史上重要的或者是具有代表性的经典算法。其中包括了2000年初的系统过滤,矩阵分解等,还有面向CTR问题的LR为发展起点的FM,FFM,GBDT+LR等,当然后面还会有深度网络的大行其道。且容我不断整理,慢慢落笔。2004就是在这一年,FaceBook提出了GBDT+LR这个模型。有的人认为原创 2020-09-17 00:55:13 · 1045 阅读 · 3 评论