- 博客(18)
- 收藏
- 关注
RSS订阅原创 推荐算法中的混合推荐
各种推荐方法各有利弊，为了扬长避短，在实际中常常采用混合推荐（Hybrid Recommendation）。其中一个最重要的原则就是通过组合后能避免或弥补各自推荐技术的弱点；加权式：加权多种推荐方法的结果切换式：根据问题背景和实际情况或要求决定变换采用不同的推荐方法混杂式：同时采用多种推荐方法给出多种推荐结果供用户参考特征组合：组合来自不同推荐数据源的特征被另一种推荐算法所采...
2019-07-10 15:45:17
14241
1
原创 树增强嵌入模型用于可解释的推荐 TEM: Tree-enhanced Embedding Model for Explainable Recommendation
摘要：虽然协同过滤是个性化推荐的主流技术，但它只对用户-项目交互进行建模，不能为推荐提供具体的理由。与此同时，与用户-项目交互相关的丰富的侧信息(例如，用户统计数据和项目属性)提供了有价值的证据，说明为什么推荐适合于用户，但在提供解释方面还没有得到充分的探索。在技术方面，基于嵌入的方法，例如广泛和深入的神经因子分解机，提供最先进的推荐性能。然而，它们的工作原理就像一个黑匣子，预测背后的原因...
2019-06-30 09:57:32
1189
原创 具有提供者约束的多涉众推荐Multis takeholder Recommendation with Provider Constraints
摘要：推荐系统的设计通常是为了优化最终用户的效用。然而，在许多设置中，最终用户并不是唯一的涉众，这种排他性的关注可能会给其他涉众带来不满意的结果。在将买家和卖家聚集在一起的多面平台上就可以找到这样的场景。在这样的平台上，可能有必要共同优化买卖双方的价值。提出了一种基于约束的整数规划优化模型，利用不同的约束集来反映不同利益相关者的目标。该模型作为一个后处理步骤应用，因此可以很容易地将其添加到现有...
2019-06-23 17:52:35
356
原创 多任务学习推荐和解释Why I like it: Multi-task Learning for Recommendation and Explanation
摘要提出了一种新的多任务推荐模型，该模型通过矩阵因子分解和对抗序列和序列学习相结合的方法，实现了对评价的预测和对评价的解释。使用真实数据集对结果进行评估，以证明与最先进的替代方案相比，评估结果具有更好的评级预测性能，同时产生有效的、个性化的解释。实现原理：作者利用评论可以看做是对用户评分的解释，先自动生成用户、项目相应的评论作为推荐数据的新的额外信息来源，然后将sequence-to-...
2019-06-18 16:53:23
1068
原创 Translation-based Factorization Machines for Sequential Recommendation基于FM的翻译序列推荐
摘要序列推荐算法的目的是根据用户的历史交互来预测用户未来的行为。最近的一项工作通过采用度量学习和知识图完成的思想，在顺序推荐任务上取得了最先进的性能。这些算法用低维嵌入和距离函数替换了内积，使用简单的动态转换对用户行为进行建模。 在本文中，我们提出了TransFM模型，它结合了翻译和基于度量的方法与因子分解机(FMs)进行顺序推荐。这样做可以让我们收获FMs的好处(特别是，直接合...
2019-06-14 21:55:46
689
原创 统一知识图学习和推荐:更好地理解用户偏好Unifying Knowledge Graph Learning and Recommendation
摘要：将知识图(KG)引入推荐系统，可以提高推荐的准确性和可解释性。然而，现有的方法在很大程度上假定KG是完整的，并且只是在实体原始数据或嵌入的浅层次上传输KG中的“知识”。这可能导致性能不够理想，因为实际的KG几乎不可能完成，而且通常KG缺少事实、关系和实体。因此，我们认为在将KG引入推荐系统时，考虑其不完全性是非常重要的。 在本文中，我们共同学习了推荐模型和知识图补全。与以往基...
2019-06-11 21:20:17
2472
原创 Explainable Reasoning over Knowledge Graphs for Recommendation基于知识图谱路径推理的可解释推荐
摘要 近年来，将知识图引入推荐系统引起了越来越多的关注。通过研究知识图中的相互关系，可以发现用户与项目之间的连接是路径，这为用户与项目之间的交互提供了丰富和互补的信息。这种连通性不仅揭示了实体和关系的语义，而且有助于理解用户的兴趣。然而，现有的工作还没有完全探索这种连接来推断用户的偏好，特别是在建模路径内部的顺序依赖关系和整体语义方面。 本文提出了一种新的知识感知路径递归网络(...
2019-06-01 18:12:18
4118
2
原创 Metric Factorization: Recommendation beyond Matrix Factorization度量因子分解
ABSTRACT在过去的十年里，矩阵分解已经被广泛的研究并且已经成为个性化推荐最流行的技术之一。虽然如此，在基于矩阵分解的推荐模型中采用的是点积，不满足不等式性质，可能限制其表达能力，导致次优解。为了克服这个问题，我们提出了一种新的推荐技术，我们假设用户和项目可以放置在一个低维空间，利用满足不等式性质的欧氏距离可以测量它们的显式紧密性。为了显示他的效率，我们进一步设计了两个变量，其中一个用于等级...
2019-05-26 14:16:37
2402
2
原创 SPTF: A Scalable Probabilistic Tensor Factorization Model for Semantic-Aware Behavior Prediction翻译心得
SPTF：用于语义感知行为预测的可伸缩概率张量因子分解模型摘要： 随着各种电子商务和社交网络平台的迅速兴起，用户产生了大量的异质行为数据，如购买历史、添加到喜欢、添加到购物车和点击活动中，这种用户行为数据通常是二进制的，只反映了用户的做了或没做（即隐式的反馈数据）。张量分解是通过区分不同的行为类型来模拟异构用户行为的一种有前途的方法。然而，在解释未观察到的用户行为记录...
2019-05-16 21:24:28
1088
1
原创 Adaboost算法
AdaBoost，是英文"Adaptive Boosting"（自适应增强）的缩写，是一种机器学习方法，由Yoav Freund和Robert Schapire提出。AdaBoost方法的自适应在于：前一个分类器分错 的样本会被用来训练下一个分类器AdaBoost方 法对于噪声数据和异常数据很敏感。 但在一些问题中，AdaBoost方法相对于大多数其 它学习算法而言，不会很容易出现过拟合现象...
2019-03-28 20:32:11
159
原创 决策树模型、随机森林
决策树模型：属于有监督模型，以信息熵（平均不确定性）为度量构造一棵 熵值下降最快的树，到叶子节点处的熵 值为零， 此时每个叶节点中的实例都属于同一类 。注： 信息：不确定性的度量；信息熵：平均不确定性的度量； 平均互信息：得知特征Y的信息而使对标签X的信息不确定的减少，衡量两个概率分布之间的相似性自我理解：决策树就是一...
2019-03-27 20:17:23
801
原创 极大似然进行机器学习
前验概率和后验概率前验概率：知道分布之后，估计概率值；后验概率：已知概率值（先验分布），反推原数据的分布情况，属于条件概率；利用极大似然法进行机器学习有监督学习---------->最大熵模型无监督学习----------->GMM信息 i（x）= -log（p(x)）概率P是对确定性的度量，信息是对不确定性的度量； 随着概率越来越大，信息越...
2019-03-24 17:20:11
103
原创 笔记-----------------特征工程
特征工程与具体场景紧密结合：特征工程是使用专业背景知识（场景/业务）和技巧处理数据，使得 特征能在机器学习算法上发挥更好的作用的过程。1.数据采集，数据格式化，数据清洗，数据采样数据采集：思考哪些数据有用，一般要从多个维度思考；数据格式化：确定存储格式（例：时间你用 年月日 or 时间戳 or 第几天 or …）数据清洗：去掉脏数据（组合过统计属性判定，补齐可对应的缺省值）数据...
2019-03-12 21:02:33
181
原创 Android和服务器（SSM）Json传输遇到的问题（二）
"application/x-www-form-urlencoded" 格式和"application/json" 格式1. 根据客户端提交的方式不同，选择上面相应的格式： 如果是通过页面表单方式提交，那就是"application/x-www-form-urlencoded"； 如果是json，那就是"application/json"。application/x-ww...
2019-03-11 21:45:02
256
原创 笔记-------回归分析与工程应用
总：线性回归解决连续值预测；逻辑回归解决分类问题，工业界经常用来解决排序问题，因为它输出的是属于某一类的概率。 几个重要的概念：损失函数、梯度下降、过拟合和正则化1.线性回归概念：属于监督学习---------》学习样本为输出/预测的结果yi 为连续值变量要学习映射关系：假定输入x和输出y之间有线性相关关系测试/预测阶段：对于给定的x，预测其输出函数f...
2019-03-10 14:33:37
309
原创 Android接收并解析服务器传输的复杂Json数据格式
Android端接收服务端端传来的Json数据，数据格式如下图所示：注：要接收的Json数据是字典形式，要注意的Android端创建的相应的Bean中的toString（）方法返回的字符创一定要和服务端发送的Json数据格式相同。Android端接收数据的Bean类，public class LoginBean { private boolean success; ...
2019-03-06 21:00:06
495
原创 Android和服务器（SSM）Json传输遇到的问题（一）
发送方的请求数据格式为：conn.setRequestProperty("Content-Type", "application/x-www-form-urlencoded");服务器：利用@RequstBody来接收数据解决方案：@RequstBody不支持"application/x-www-form-urlencoded"格式，所以服务方和需求方要修改一个。方法1：把@Requs...
2019-03-06 17:17:12
317
原创 解决Idea修改java代码不生效
将git上下载的工程导入Idea后，修改jsp代码可生效，但是修改servlet内代码，无论是rebuild，重启tomcat，还是重启Idea，都不管用最后按照以下步骤成功编译：1.对修改后的java文件右击，选择recompile2.设置输出路径：右击file，在选择project structure，修改compile Path，修改到WEB-INF下面class路径，如...
2019-03-04 09:16:29
14947
2
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