论文总结Discrete collaborative filtering

最新推荐文章于 2022-08-09 22:35:39 发布
最新推荐文章于 2022-08-09 22:35:39 发布
阅读量1.4k 收藏 1
点赞数 1
分类专栏： 机器学习 文章标签： 机器学习 协同过滤 哈希学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_33027857/article/details/52517844
版权
这篇博客探讨了一篇关于使用哈希技术优化协同过滤的论文。文章介绍了如何通过设计约束损失函数来应对离散优化问题，并通过特定矩阵转换简化约束条件。最终，将问题分解为四个可解部分，实现协同过滤的哈希学习，生成二值码。
摘要由CSDN通过智能技术生成

最近在看这篇较新的基于哈希的协同过滤论文，现在贴几张图片，将论文脉络梳理一下，日后再写总结。

1.首先设计了带有约束条件的损害函数，由于直接将离散约束的损失函数优化得到结果是NP-难问题


2.作者引入了带有约束条件的B‘，D‘两个矩阵，利用B\D与B‘\D’的关系将B\D的约束条件转化

3.得到具有新的形式的损失函数与约束条件，此时的约束条件已经转换为对B‘D’的约束，如下的损失函数可以最优化，并可以联合哈希学习的两个过程，得到所需的二值码。

解决的方法是将问题分为四个可解的分问题，分别优化。


最低0.47元/天 解锁文章
有丝吼
关注
专栏目录
【读论文】Attentive Collaborative Filtering【待完成】
haolexiao的专栏
10-15 2815
《Attentive Collaborative Filtering: Multimedia Recommendation with Feature- and Item-level Attention 》是今年SIGIR上的一篇关于Attention Model用于推荐系统CF上的方法 Abstract这部分作者首先说对于多媒体信息，多为0/1信息（照片的点赞，歌曲的下载，视频的观看），相较于需要f
RBM and NADE TO Collaborative Filtering
数学屌丝走在it的道路上
09-25 3175
RBM and NADE TO Collaborative Filtering最近在看深度学习在推荐算法上应用，本篇是hulu公司同事的ICML的文章A Neural Autoregressive Approach to Collaborative Filtering,介绍了利用NADE进行电影推荐的方法，在NETFX的数据集上取得了不错的结果，本文主要是学习和记录笔记，学习NADE-CF，并记录所
论文研究-Applying Collaborative Filtering Techniques for Individual Fashion ecommendation.pdf
08-16
基于协同技术的服装个性化推荐系统研究，雷建兰，王进，协同过滤（CF）技术是推荐系统中最成功的方法。在本文中，我们使用CF技术开发了一个服装个性化推荐系统。为了改善CF技术中矩阵的稀
论文阅读：Neural Graph Collaborative Filtering
qq_43431934的博客
03-03 539
论文阅读：Neural Graph Collaborative Filtering 论文链接：Neural Graph Collaborative Filtering, SIGIR’19 原理： 在user-item interaction graph 上使用 GNN 来学习 user 向量和item 向量，用户向量和项向量的内积来预测评分。 区别： 大部分论文使用 GNN 只是学习 user 向量，这篇论文的 item 向量也是使用GNN学习的 大部分论文是在知识图谱KG或者社交网络Socia
论文阅读 - Collaborative Filtering Survey
weixin_30539835的博客
09-17 713
本文是我大约一年前在读论文 A Survey of Collaborative Filtering Techniques 时记下的笔记，但是写的比较凌乱。现在重新整理了，并结合自己的理解做了一些补充。有些章节感觉读综述搞不明白，需要深入读相关论文才行，这些部分没有记录。 1. 介绍 如今人们越来越依赖于推荐系统，推荐系统帮助人们筛选书籍、电影、音乐等内容。协同过滤（Collaborati...
蔡氏电路matlab仿真代码-Discrete-Collaborative-Filtering:离散协作过滤
05-26
蔡氏电路matlab仿真代码 Discrete-Collaborative-Filtering This is the code used in paper: Hanwang Zhang, Fumin Shen, Wei Liu, Xiangnan He, Huanbo Luan, Tat-Seng Chua. "Dicrete Collaborative Filtering". SIGIR 2016
matlab蔡氏混沌电路仿真代码-Discrete-Collaborative-Filtering-python:离散协作过滤python
06-04
Discrete-Collaborative-Filtering in python This is implementation Discrete-Collaborative-Filtering in python refered as below links. Implementation DCF in matlab Original paper Hanwang Zhang, Fumin ...
Learning Binary Codes for Collaborative Filtering
01-15
codes for collaborative filtering, which enables us to efficiently make recommendations with time complexity that is independent of the total number of items. We propose to construct binary codes for ...
论文笔记（关于图像检索的总结性论文）：Content-Based Image Retrieval and Feature Extraction: A Comprehensive Review（中）
timcanby的博客
03-05 1718
继上篇：https://blog.csdn.net/timcanby/article/details/104382103 今天继续对： Section 6 底层特征的融合运用 Section 7 局部特征 Section 8 基于深度学习的种种 ==============================进行整理=====================================...
Neural Collaborative Filtering【论文记录】
Novelin的博客
12-03 256
把用户和物品的 Embedding 视为隐向量 输入到神经网络 GMF 是线性模型和 MLP 非线性模型结合
推荐算法论文：Neural Collaborative Filtering
he_wen_jie的博客
04-28 404
吹牛逼 用户和商品的隐向量依然通过MF（矩阵分解）的方式来获取，深度网络仅仅用来抽取side信息，例如商品的文本，语音？等 提出了NCF框架，NCF可以衍生出矩阵分解，如果使用神经网络可以进一步增强模型的非线性能力 提出了一个假设，多层神经网络可以学习user-item的交叉函数 1.介绍 第一段 推荐系统可以有效缓解信息过载，当前已经被应用在，电商，新闻和社交媒体，核心是可以通过用户历史信息建立协同过滤模型 MF可以将用户和商品映射到统一的隐向量空间，使用隐向量表征用户和商品，这样直接可以使用两个隐
论文《Neural Collaborative Filtering》阅读
xingzhe123456789000的博客
08-18 992
论文《Neural Collaborative Filtering》阅读论文概况论文亮点 论文概况 论文《Neural Collaborative Filtering》是由新加坡国立大学何向南教授完成的一篇关于基于神经网络方法的推荐系统论文，发表在WWW 2017上，CCF A。 论文地址：NeuMF 数据集：MovieLens、Pinterest 代码地址：NeuMF 论文亮点 这篇文章使用神经网络（NN, Neural Network）方法完成了推荐系统中的协同过滤，不同于其他算法中使用神经网络提取辅助
Collaborative Filtering算法
pennyliang的专栏
09-10 1949
协同过滤(collaborative filtering CF)技术是当前最为成功和广泛使用的个性化推荐技术,传统的协同过滤技术也叫基于用户的协同过滤,(user—based CF)．它是通过相同或相近兴趣的用户对资源的评价向用户推荐信息的．协同过滤技术的优点是能为用户发现更多新的兴趣．但是，传统的协同过滤技术存在3个难于解决的问题：算法的可扩展性、评价数据的稀疏性和初始资源推荐问题 
基于比特级重要性编码的协同过滤算法
abcdefg90876的博客
04-27 200
题目： Projected Hamming Dissimilarity for Bit-Level Importance Coding in Collaborative Filtering...
协同过滤（Collaborative Filtering）：UserCF and Item CF
zhao254014的博客
08-09 1250
基于用户的协同过滤算法(UserCF): 给用户推荐和他兴趣相似的其他用户喜欢的产品 基于物品的协同过滤算法(ItemCF): 给用户推荐和他之前喜欢的物品相似的物品 协同过滤算法是指对海量的信息进行过滤，从中筛选出目标用户可能感兴趣的信息这么一个推荐过程......
《Neural Collaborative Filtering》论文阅读笔记
Transfer
08-11 923
本文的创新在于，使用神经网络框架来代替MF中的内积，将MF和MLP的线性以及非线性特点相结合，使用预训练参数来初始化模型，进一步提升模型性能。本文思路清晰，逻辑严谨，细节说明很到位，实验对比完整且比较有说服力，很值得学习。因此我将笔记整理出来分享一下，如果有不对的地方，多多包涵，尽请批评指出。 目录摘要引言本文的贡献矩阵分解的限制神经协同过滤框架NCF优化方法通用矩阵分解多层感知机(MLP)通用矩阵分解和多层感知机的融合（NeuMF）预训练实验数据评价指标对比算法实验设置实验结果原论文开源代码地址结果复现
推荐系统——Neural collaborative filtering
manduner的博客
07-18 1614
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...
论文笔记：Variational Autoencoders for Collaborative Filtering
qq_35771020的博客
05-13 3868
一、基本信息 论文题目：《Variational Autoencoders for Collaborative Filtering》 发表时间：WWW2018 作者及单位： 二、摘要 我们将变分自编码扩展到隐式反馈的协同过滤。这种非线性概率模型使我们能够超越线性因素模型的有限建模能力，而线性因素模型在很大程度上仍然主导着协同过滤研究。引入一个具有多项式似然性的生成模型，并利用贝...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值