推荐系统
文章平均质量分 90
推荐系统是指帮助用户在海量信息中提取有益信息的一种方法
山科智能信息处理实验室
该博客旨在记录智能处理实验室一系列学术成果,以及实验室的点点滴滴。
如果有博客中提到的论文或代码需求,烦请联系邮箱jlzhao@sdust.edu.cn
展开
-
2023 联邦推荐系统综述
2023 联邦推荐系统综述 IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS,原创 2024-06-24 16:21:46 · 909 阅读 · 0 评论 -
2023-2024 联邦推荐 × 顶会
abstractTranslation: 联邦推荐可以潜在地缓解收集敏感数据和个人数据以训练个性化推荐系统时的隐私问题。然而,当由于本地资源限制而不适用本地服务并且在线服务需要查询客户端的数据隐私时,其推荐质量较低。此外,在联邦推荐的训练和服务中理论上的私有解决方案是必要的,但仍然缺乏。由于模型梯度和隐藏表示的高维特性,将差分隐私(DP)简单地应用于联邦推荐的两个阶段将无法在隐私和效用之间实现令人满意的权衡。原创 2024-05-13 22:09:42 · 1150 阅读 · 0 评论 -
基于联邦学习的推荐系统总结
本文总结了几篇基于联邦学习范式的推荐系统,分别从不同的层面对基本的联邦学习更新方式进行了优化,比如如何实现更好的聚合参数、如何更好的挑选待更新的客户端、如何保持更严格的隐私保护、如何减少更新过程中的通信量等。该方向相对来说是一个比较新的方向,其目标是在保护用户隐私的前提下如何实现本地模型更精准的推荐服务,但现在的实验验证方式基本都是靠模拟来完成的,即手动将完整的数据集切分为符合联邦学习方式的多个本地数据集。转载 2023-09-05 15:57:30 · 568 阅读 · 0 评论 -
【推荐系统】一文梳理联邦学习推荐系统研究进展
【推荐系统】一文梳理联邦学习推荐系统研究进展转载 2022-12-28 18:02:01 · 1031 阅读 · 0 评论 -
经典推荐算法之协同过滤
协同过滤推荐算法原创 2022-10-04 16:26:13 · 6434 阅读 · 0 评论 -
推荐系统领域最新研究进展(0410-0417)
本文精选了上周(0410-0417)最新的20篇推荐系统相关的论文,方向主要包括去偏推荐、对话推荐、基于负采样的推荐、联邦推荐、公平性推荐、序列化推荐、加速推荐系统训练、时尚推荐、新闻推荐、基于内容的协同过滤推荐等的推荐算法,应用涵盖会话推荐、序列推荐以及组推荐、新闻推荐等。为节省大家时间,只整理了论文标题以及摘要,如果感兴趣可移步原文精读。论文标题:Self-Guided Learning to Denoise for Robust Recommendation, SIGIR2022A Unifi转载 2022-04-24 21:51:43 · 2874 阅读 · 0 评论 -
图神经网络入门
近年来,深度学习领域关于图神经网络(Graph Neural Networks,GNN)的研究热情日益高涨,图神经网络已经成为各大深度学习顶会的研究热点。GNN处理非结构化数据时的出色能力使其在网络数据分析、推荐系统、物理建模、自然语言处理和图上的组合优化问题方面都取得了新的突破。图神经网络有很多比较好的综述[1][2][3]可以参考,更多的论文可以参考清华大学整理的GNN paper list[4]。本篇文章将从一个更直观的角度对当前经典流行的GNN网络,包括GCN、GraphSAGE、GAT、.转载 2022-04-13 14:41:44 · 480 阅读 · 0 评论 -
最新深度学习推荐系统综述:从协同过滤到信息增强的推荐系统
前言深度学习技术已经在计算机视觉以及自然语言理解等领域取得了巨大的成功,受其影响深度学习研究也开始在推荐系统领域得到关注。近些年来,已经见证了基于神经网络的推荐系统的巨大进步,其已经超越了传统推荐模型的性能。不同于基于深度模型的结构进行综述(比如以MLP、CNN、RNN等进行分类),也不同于对于某一子领域进行综述(比如跨域推荐、知识图谱推荐等),本次介绍的论文以推荐模型的准确性为目标,从推荐模型的角度对神经推荐模型进行了系统的综述,旨在总结该领域的研究成果,为研究推荐系统的研究者和实践者...转载 2022-03-29 11:14:21 · 1980 阅读 · 0 评论 -
走进跨域推荐系统
作者简介:张高玮,研究方向为推荐系统。引言:近年来跨域推荐方法逐渐受到人们的关注,为解决推荐系统中数据稀疏以及冷启动这两个问题提供了新的思路。本文聚焦于跨域推荐,依据解决方法的不同将跨域推荐模型分为基于共享实体表示的模型、基于域间映射的模型、基于异构图嵌入的模型、基于多领域协同训练的模型四大类进行整理介绍,欢迎大家批评和交流。目录1. 总体介绍1.1 什么是跨域推荐1.2 为什么需要跨域推荐2. 模型分类2.1 基于共享实体表示的模型2.2 基于域间映射的模型2.3 基于异构图嵌入的模型2.4 基于多领域协转载 2022-03-17 21:51:50 · 996 阅读 · 1 评论 -
图神经网络在推荐系统的应用研究综述
概要如今推荐系统的研究非常火热,GNN也在很多领域表现优异。推荐系统主要的挑战是从历史交互(historical interactions)和边信息(side information)中学习有效的用户(user)和物品(item)表示,由于很多信息具有图结构,而且GNN擅长表示学习,所以很多工作将GNN应用到推荐系统中。本文是北京大学相关团队发表的一篇「基于GNN的推荐系统」方向的综述,文章回顾了近几年GNN在推荐系统中的相关工作,提出了一个新的分类体系,并阐述了有关该领域未来发展的新观点。..转载 2022-03-08 10:05:20 · 2284 阅读 · 0 评论 -
WWW2021-深度强化学习、自动机器学习和GNN在推荐系统应用
转自微信公众号:浅梦的学习笔记原址链接:https://mp.weixin.qq.com/s?__biz=MjM5MzY4NzE3MA==&mid=2247493556&idx=1&sn=e62c31c32dee4bd2d8151c9370bb3e04&chksm=a691945991e61d4f23ac5bf42a137e8626a217b17df971267d8543cd06fce450fb0acde0cb0a&mpshare=1&scene=23&am转载 2021-04-30 11:56:01 · 621 阅读 · 0 评论 -
【迁移学习】自动选择源域的迁移学习方法
【迁移学习】自动选择源域的迁移学习方法本文转载自知乎王晋东不在家的《小王爱迁移》系列之十五:自动选择源域的迁移学习方法源地址为:《小王爱迁移》系列之十五:自动选择源域的迁移学习方法 - 知乎 (zhihu.com)本次我们介绍一篇杨强老师团队早期(2011年)发表在人工智能顶会IJCAI上的文章:《Source-selection-free Transfer Learning》。这篇论文所针对的问题是:如果我们可供选择的源域数量太多(千万级),我们如何可以根据两个领域之间的关系,自动地进行源.转载 2021-04-29 21:48:16 · 910 阅读 · 0 评论 -
推荐系统干货总结
推荐系统干货总结本文列举了推荐系统领域的相关会议、学者、论文、书籍、课程、数据集以及代码和工具以上资料均提供了超链接和简要说明原文作者:知乎张小磊,北京交通大学博士在读,研究方向:推荐系统及隐私计算原文地址:https://zhuanlan.zhihu.com/p/34004488...转载 2021-04-01 10:42:31 · 690 阅读 · 0 评论