- 博客(24)
- 收藏
- 关注
RSS订阅原创 对话推荐系统CRS论文精读RevCore: Review-augmented Conversational Recommendation
本文于2021年由港中大与京东AI研究所联合发布于ACL findings，文章通过情感分析技术来引入与用户情感相同的影评信息，加强推荐和对话的效果。p.s.这个方向的人好少啊。。有没有道友能私信我相互交流下/(ㄒoㄒ)/现有的对话推荐系统（CRS）在对简短的对话历史和不熟悉的项目进行操作时，通常存在项目信息不足的问题。合并外部信息（例如评论）是缓解这一问题的潜在解决方案。考虑到评论通常提供了大量来自于不同兴趣的用户的体验情感，它们是在信息丰富的对话中提供高质量建议的潜在理想资源。
2022-11-07 21:25:00
1128
原创 对话推荐系统CRS精读Improving Conversational Recommender System via Contextual and Time-Aware Modeling with L
本文于2022年9月发布在axiv上。文章针对于CRS引入过多的外部知识进行改进，聚焦于语境信息，企图以较少的外部知识用于模型来获得更好的推荐效果。代码链接：暂未发布对话式推荐系统已经成为一个新兴的研究课题，它试图通过交互式对话来执行推荐，通常包括生成和推荐模块。CRS之前的工作倾向于合并更多的外部和领域特定的知识，如项目评审，以提高性能。尽管外部领域特定信息的收集和注释需要大量的人工努力，并降低了泛化能力，但过多的额外知识会增加平衡这些信息的难度。因此，我们建议从语境中充分发现和提取内部知识。
2022-10-17 19:22:42
979
原创 对话推荐系统CRS论文精读KGSF：Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fu
在本文中，提出了一种新的基于知识图谱的CRS语义融合方法。通过利用两个外部知识图谱，增强了单词和项目的语义表示，并使用互信息最大化来对齐两个不同组件的语义空间。
2022-09-23 09:04:06
1724
4
原创 对话推荐CRS论文精读KBRD：Towards Knowledge-Based Recommender Dialog System
文章介绍了19年提出的对话推荐系统KBRD，它基于Transformer和ReDIAL，引入了知识图谱，注意到了对话中非项目信息。实验表明KBRD的效果确实是优于仅考虑对话内容的对话推荐系统。
2022-09-15 22:29:56
1521
原创 【论文整理】基于图神经网络的序列推荐模型整理Graph Neural Networks for Recommender Systems: Challenges, Methods, and Direct
序列推荐发展历程对于序列推荐，为了提高推荐性能，需要从序列中提取尽可能多的有效信息，并了解用户在序列中的兴趣，包括短期兴趣、长期兴趣、动态兴趣等，以便准确预测用户可能感兴趣的下一个项目。已经使用了一些序列建模工具，如马尔可夫链或递归神经网络GNN。对于图神经网络，通过将数据转换为图，它可以很好地用于短期、动态的兴趣建模或表示学习。使用GNN进行序列建模的一般模式。SURGE将每个用户的序列转换为项目-项目图，并通过度量学习自适应地学习边的权重，动态图池只保留较强的边。保留的图形通过位置展平转换为序列，
2022-05-24 15:54:17
1389
原创 【论文整理】基于图神经网络的社交推荐模型整理Graph Neural Networks for Recommender Systems: Challenges, Methods, and Direct
社交推荐模型发展历程图形构造在具有社会意识的推荐系统中，用户的最终行为取决于朋友的社会影响和他/她自己的偏好。社交推荐面临的主要挑战之一是如何构建社交图来捕捉朋友的社交影响。一般来说，社交网络中的某个用户不仅受到他/她的朋友（一阶邻居）的影响，还受到朋友的朋友（高阶邻居）的影响。为了捕捉高阶社会关系，图的构建方法可以分为两个方向：堆叠图和超图。堆叠图鉴于正态图只能建模成对关系，基于正态图的方法GraphRec、GNN-SoR、HGP、ASR、GAT-NSR、DIffNetLG、DIffNET++、
2022-05-24 15:32:22
1556
原创 【论文精度】Youtube团队打造深度神经网络与推荐算法结合开山之作Deep Neural Network for YouTube Recommendation
一、总述作者提出推荐系统为如图所示的漏斗形状。过程如下：从百万级语料开始，通过“Candidate Generation”生成数百条候选集，再通过“Ranking”对候选集进行TopK排序。作者的主要工作在于为“生成候选集”、“对候选集进行排序”构建了两个深度神经网络。二、生成候选集（Candidate Generation）2.1 Input层对于这一模型，输入由许多Feature连接而成，主要有用户历史观看记录、历史搜索记录、视频“年龄”、用户基本信息等。较为重要的特征为“历史观看视频记录
2022-05-22 12:12:50
340
原创 【论文阅读】会话推荐系统综述 A Survey on Session-based Recommender Systems
一、文章信息文章信息文章标题A Survey on Session-based Recommender Systems发表会议ACM Computing Surveys（CSUR，SCI 1区顶会）发表时间2019.2这篇文章系统地概述了基于会话的推荐，以及相应的技术：SBRS。二、阅读笔记2.1 什么是会话推荐会话推荐，会话指一段时间内用户和项目的交互行为，例如最近浏览的商品、最近听的音乐。在会话推荐中与传统的推荐系统不同的是，它考虑了一个会话到另一个对
2022-04-29 10:55:01
2300
原创 【论文阅读】图神经网络应用在推荐系统中的挑战、方法、方向
文章目录文章信息推荐系统工作流程pipelineMatching 召回阶段Ranking 排序阶段Re-ranking 再排序阶段场景社交推荐序列推荐会话推荐捆绑推荐跨域推荐多行为推荐指标多样性可解释性公平性应用图神经网络GNN背景光谱模型空间模型图形构造GNN适用推荐系统的原因结构数据高阶连通性监督信号GNN用于推荐系统的挑战构造图节点层面边层面设计网络模型优化计算效率现有解决方法按推荐阶段分类按场景分类社交推荐序列推荐会话推荐SBR捆绑推荐跨域推荐多行为推荐未来发展文章信息文章标
2022-04-25 15:23:32
2992
原创 【GNN】图神经网络学习记录
前置知识ground truth：标准答案GNN是在图结构上应用的CNN目的是预测没有ground truth节点的标签值embedding：向量映射向量是很重要的概念Adjacency Matrix邻接矩阵：i与j是否有边图神经网络图的特性图包含的信息：节点、边、连接关系、全局图。这些信息在GNN中都是用embedding向量来表示的。p.s. 图的连接性由邻接矩阵表示。对图做任意的交换变换、图的结果都不变（同构）下图用向量来表示Nodes、Edges、Adjacency List、
2022-04-13 20:17:13
520
原创 【回溯法】八皇后/N皇后经典算法问题 dfs深度优先搜索结合剪枝
文章目录题目题目描述思路分析代码运行情况题目题目描述在8×8格的国际象棋上摆放八个皇后，使其不能互相攻击，即任意两个皇后都不能处于同一行、同一列或同一斜线上，问一共有多少种摆法。思路分析采用穷举法显然太慢且数字量庞大，如果穷举中对于已经无法走动的情况进行剪枝，回溯到前几个皇后的摆放选择，能减少大量时间。当我们选择了第一个皇后的位置之后，与其处于同行同列同斜线的位置便都无法被选择，第二个皇后只能放在未被第一个皇后所辐射到的位置上，接着放置第三个皇后，同样不能放在被前两个皇后辐射到的位置上，若此
2022-03-08 14:25:30
442
原创 【武汉理工大学复试刷题】动态规划之分割等和子集、两人分配等额任务
题目描述从 input 文件里读一个数组，大小为 6，分别代表任务量为1 2 3 4 5 6的任务 数，有两个助手，一个人可以完成多个任务。但是一个任务不能由两个人完成，任务量总数为偶数，请问有能让他们两个人分配任务量相同的方案吗， 例如输入： 1 0 0 1 1 1输出： no思路分析一开始以为这道题是任务分配问题，于是先去学匈牙利算法，但是和这道题对不上，看了群里才知道这其实是个01背包问题的变形，力扣也有原题。参考教程为 416.分割等和子集。总和的一半为背包容量，要找的是恰好能够放入背包
2022-03-07 14:57:05
696
原创 【武汉理工大学计算机复试刷题】（C语言）动态规划求解0/1背包问题之求最大价值
文章目录题目描述思路分析代码运行情况输入文件运行结果发现的问题题目描述一个旅行者有一个最多能装M公斤的背包,现在有n件物品,它们的重星分别是W1，W2, … Wn,它们的价值分别为C,2…,Cn ,求旅行者能获得最大总价值。思路分析参考教程：背包问题（1）若背包容量<当前待放置物品dp[i][j]=dp[i-1][j]（2）当背包容量>当前待放置的物品时，有两种情况：①放该物品——让上一状态的背包容量减去该物品的重量（腾位置），并加上该物品的权值dp[i][j]=dp[i-1
2022-03-06 19:25:02
1189
原创 【复试刷题】（C语言）动态规划解凑硬币、最少钱币数问题
文章目录题目描述思路分析状态转移方程代码实现运行结果样例一样例二总结题目描述给定若干个互不相同的钱币面值，编程计算，最少需要多少个钱币才能凑成某个给出的钱数。例如：1元，7元，9元，10元四种面值的纸币，要凑18元思路分析若用贪心算法，依次为10元、7元、1元。但是显然两张9元纸币即可凑出18元。故贪心算法是每次得到当前的最优情况，却无法顾及整体最优。而动态规划考虑到上一状态，并取最优，这里采用动态规划。这是我看到的博客，终于把dp搞明白了！动态规划详解状态转移方程dp[m] = min(dp
2022-03-06 14:02:41
3014
原创 【复试刷题】贪心法搬桌子问题
题目描述某教学大楼一层有n个教室，从左到右依次编号为1、2、…、n。现在要把一些课桌从某些教室搬到另外一些教室，每张桌子都是从编号较小的教室搬到编号较大的教室，每一趟，都是从左到右走，搬完一张课桌后，可以继续从当前位置或往右走搬另一张桌子。输入数据：先输入n、m，然后紧接着m行输入这m张要搬课桌的起始教室和目标教室。输出数据：最少需要跑几趟。题意分析例如有10个教室，有4张桌子要搬起始终点13243946每一趟人只能往右边教室走，当右边没有桌
2022-03-05 20:32:37
530
原创 【复试刷题】判断二叉树是否为AVL树（代码可运行）
题目描述写出一个判断平衡二叉树的算法注：AVL树既要满足BST、也要满足平衡，这里的平衡是每个节点都平衡，第一次写的时候只是看了整棵树的高度差，大错特错。思路描述使用二叉链表，深序遍历建立二叉树分别计算二叉树每个节点的左右子树高度，同时判断是否满足左<根<右最后abs（左-右）<=1即可#include<stdlib.h>#include<stdio.h>typedef struct Node{ int data; struct Nod
2022-03-05 16:49:46
440
原创 【复试刷题】数组实现栈 并实现在输出偶数前输出全部奇数
题目描述输入一个数 n，再输入 n 个整数，每个整数按先进后出原则（即栈）操作要求使奇数元素全部在偶数元素前打印。实现思想建立两个栈，最初stk1装入全部元素，stk2用来存放偶数。在stk1中遇奇数则pop，遇偶数则push进stk2最后输出stk2的全部元素#include<stdio.h>#include<stdlib.h>#define MAXSIZE 100typedef struct stack{ int data[MAXSIZE]; int
2022-03-04 17:06:41
457
1
原创 【vs2010】Debug Assertion Failed Expression debug记录
错误截图错误原因设置断点，发现是fscanf函数出错，fp按理应该指向当前目录下的txt文件，找到当前目录，结果当前目录并没有“linkdata.txt”。由于笔者是在vscode下写的该代码，迁移到vs2010仅仅是把txt文件赋值到IDE左侧的源文件下，并没有真正复制到项目目录中。成功结果由于不太熟悉vs2010，所以昨天和今天都在调试环境，终于好了!!!...
2022-03-04 14:29:33
1268
原创 【复试刷题】删除链表中最大的元素
题目描述：在一个带头结点的链表中找出最大值的元素，并且将其删去后把其最大值赋值给头结点思路：从文件中读取链表信息，采用尾插法建立带头结点的单链表循环找到最大的max值，删除并赋值给头结点删除操作是王道数据结构里面看到的，昨天走路和男票回忆起来了！！代码实现：// 在一个带头结点的链表中找出最大值的元素，并且将其 删去后把其最大值赋值给头结点#include<stdio.h>#include<stdlib.h>typedef struct{ in
2022-03-03 21:21:17
785
原创 Apache压力测试实战
ab 用于测试HTTP每次请求处理时间的工具，此处用于模拟并发数量来进行负载测试 。-n 表示请求数，-c 表示并发数ab -n 100 -c 50 -k http://...优化方向：该网站为了便于在服务器之间转移，使用了sqlite作为数据库，其性能相对较低，可以考虑换其他数据库为了节约资金考虑，该网站架设在树莓派上，树莓派由于使用sd卡作为主存，读写性能很差、另外CPU性能孱弱。可以考虑更换更好的设备网站加载外部资源时为了节约带宽考虑，使用了bootstrap等资源的免费CDN，其速度
2022-02-07 21:40:41
864
原创 记录利用Anaconda3搭建环境的流程（安装python3.6.7，tensorflow1.14，nltk）
目录一、工具二、流程1、安装Anaconda32、创建新环境①安装Python包可能出现的问题：python下载速度慢，报错②安装tensorflow1.14可能出现的问题：failed building wheel for wrapt③安装nltk（选择性跳过）可能遇到的问题：module 'nltk' has no attribute 'download'三、在Pycharm中运行四、总结一、工具Anaconda3Pycharm二、流程1、安装Anaconda3这里参考简书的anaconda
2020-08-04 18:42:50
1381
原创 PTA基础编程题目集错误记录——函数部分（更新6-9）
2020/4/4日常碎碎念上一次写pta大概是将近一年前（我错了），才写了2道题，另外还错了一道…真的要花时间在编程上了！· 6-2 多项式求值此题需格外关注循环内部！注意i是从0到n，i=0时，f(x) = a[0]; i=1时，f(x) = a[1]*x，···正解：double f(int n,double a[],double x){ int i; double s...
2020-04-04 21:39:20
682
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