![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
学术论文菜鸟之地
文章平均质量分 81
就想做一条闲鱼
这个作者很懒,什么都没留下…
展开
-
图嵌入综述整理(上)
通过近段时间的学习,自己发现无论基于多层图一般方法还是基于随机游走,还是模糊,所以这次查阅了相关资料,其中有包含随机游走的介绍。1 为什么引入图?我们身处的世界关系都可以建模为图的结构,用图的节点或节点属性表示真实网络系统中的实体或实体标签,用图中的边表示真实网络中的实体关系。因此,通过图嵌入方法可以提高效率等优势。2 图的特点海量高维稀疏异构复杂动态图嵌入是一种图表示学习方法,需要将高维向量映射到低维空间。3 图嵌入问题及定义【图嵌入】将图的节点或边映射到一个低维的向量空间原创 2022-03-11 10:33:46 · 5182 阅读 · 4 评论 -
个性化推荐综述总结
1、推荐系统目的推荐系统是通过分析提取出用户的历史偏好数据,并结合用户之间的偏好关系以及项目与项目的相似程度,推测出目标用户可能喜欢的物品并将其推荐给用户。2、推荐系统解决的问题信息超载现象。信息超载(Information overload)指信息接收者或处理者所接收的信息远远超出其信息处理能力。3、主流的推荐算法主要分为四类,即基于内容推荐、协同过滤推荐、基于深度学习推荐以及混合推荐。这里放上思维导图分类更为直观。4、总结各个算法的思想(算法步骤)基于内容推荐算法【算法思想】通过原创 2022-03-08 16:55:05 · 1436 阅读 · 0 评论 -
RecWalk: Nearly Uncoupled Random Walks for Top-N Recommendation (上) 用于 Top-N 推荐的近乎解耦的随机游走
论文出处:Athanasios N Nikolakopoulos and George Karypis. Recwalk: Nearly uncoupled random walks for top-n recommendation. In WSDM, pages 150–158, 2019.2019年【摘要】随机游走模型优点:可以捕获丰富的交互网络,用于TOP-N推荐利用项目之间的间接关系,降低稀疏性的影响缺点:易受到用于个性化推荐的K步分布范围限制因此,本篇论文提出了RE原创 2022-03-03 19:21:20 · 269 阅读 · 0 评论