nips 2013笔记（1）-Deep content-based music recommendation

最新推荐文章于 2020-10-18 17:52:10 发布
最新推荐文章于 2020-10-18 17:52:10 发布
阅读量4.5k 收藏
点赞数
分类专栏： nips 2013 深度学习 机器学习
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/guicydy/article/details/17094989
版权

1、 Deep content-based music recommendation

   该文章是解决歌曲推荐中的的冷启动问题提出的，新歌或者是不流行的歌曲由于没有用户播放记录，采用传统的协同过滤或者矩阵分解等方法，不能取得好的效果，所以作者采用深度卷积神经网络提取歌曲音频中的特征作为歌曲的特征，然后采用WMF（weighted matrix factorization）模型进行评分预测。

下载地址:http://media.nips.cc/nipsbooks/nipspapers/paper_files/nips26/1239.pdf


桂C伊甸园
关注
专栏目录
Deep content-based music recommendation
sinat_27191585的专栏
04-07 1390
如今deep learning越来越火热，用DL来做推荐的文章现在也是有些，像今天这篇音乐推荐相关的文章有好几篇，具体可参考Netflix的Xavier Amatriain大神在quora上的回答：http://www.quora.com/Has-there-been-any-work-on-using-deep-learning-for-recommendation-engines 这篇论
【推荐系统】【论文阅读笔记】Deep content-based music recommendation
yong_ss的博客
03-02 1044
原文作者：A¨aronvandenOord,SanderDieleman,BenjaminSchrauwen 本文为了解决协同过滤导致的冷启动问题，使用基于内容推荐算法，建议使用潜在因素模型进行推荐，并在无法从可获取数据中获取潜在因素时从音乐音频中预测潜在因素。我们比较了使用深度卷积神经网络和使用词袋表示音频信号的传统方法，并在“百万首歌曲”数据集上定量和定性地评估了预测。我们展示...
Deep content-based music recommendation 论文笔记
I ♥ emulator
10-18 168
1
【推荐系统】【论文阅读笔记】Improving Content-based and Hybrid Music Recommendation using Deep Learning
yong_ss的博客
03-02 941
原文作者：Xinxi Wang and Ye Wang 在歌曲相关因素中，音乐音频内容是非常重要的。在大多数情况下，我们喜欢/不喜欢一首歌，这是因为它的音频内容具有一些特征，例如人声、旋律、节奏、音色、体裁、乐器或歌词。没有听内容，我们对这首歌的质量几乎一无所知，更不用说我们是否喜欢它了。因为音乐内容在很大程度上决定了我们的偏好，所以内容应该能够为推荐提供良好的预测能力。 ...
［机器学习］content-based recommendation
Leslie的专栏
08-15 2577
本文内容属于 Andrew Ng的《机器学习》公开课笔记，大部分截图均来自Andrew Ng的课件 所谓基于内容的推荐，就是说我们的item具备某些属性attrs，然后我们可以通过某个user的历史评分记录，计算出该user对各种 属性 attr的喜好程度，从而可以给user推荐具备他喜欢的attr的item 比如说，每一部电影，都由 浪漫和动作 两种属性，如下图 我
NIPS-2017-attention-is-all-you-need-Paper.pdf
08-09
1. **序列转换模型（Sequence Transduction Models）**： - 描述中提到目前主要的序列转换模型基于复杂的循环神经网络（RNN）或卷积神经网络（CNN），并且通常包含编码器（encoder）和解码器（decoder）两个部分。 ...
nips2020model-based rl.zip
08-03
2020年nips model-based reinforcement learning相关论文集合
NIPS2012-ImageNet Classification with Deep Convolutional Neural Networks
05-20
### NIPS2012-ImageNet Classification with Deep Convolutional Neural Networks #### 概述 《NIPS2012-ImageNet Classification with Deep Convolutional Neural Networks》是图像分类领域的重要里程碑之一，该...
nips14-ssl:NIPS 2014 论文“Semi-Supervised Learning with Deep Generative Models”结果复现代码
06-28
NIPS'14-SSL 使用深度生成模型重现我们的 NIPS 2014 论文关于半监督学习 (SSL) 的一些关键结果的代码。 DP Kingma、DJ Rezende、S. Mohamed、M. Welling 具有深度生成模型的半监督学习神经信息处理系统的进展 27 ...
NIPS-2017-attention-is-all-you-need-Paper-中文翻译版本.docx
01-27
Attention is All You Need 本篇论文的主要贡献在于提出了一种新的序列转导模型架构，称为Transformer，它完全基于自我注意机制，避免了递归和卷积神经网络。这种模型架构可以在机器翻译任务中达到 state-of-the-...
music_recommendation
03-31
业务问题 音乐产业是一个主观产业。 因此，很难确定听众可能喜欢哪种类型，艺术家或歌曲。 在此仓库中，我们使用Last.fm中的数据构建了音乐推荐系统。 推荐系统可以辅助记录标签以预测向哪些消费者推销哪些艺术家。 数据集 在此存储库中，您将找到使用上的Last.Fm数据集的推荐系统代码 数据包括以下功能： user_artists.dat（用户ID，艺术家ID，权重）。 用户播放的艺术家。 artist.dat（ID，名称，URL，pictureURL）。 每个艺术家的ID和名称。 tags.dat（tagID，tagValue）。 每个标签的ID号和内容。 user_taggedartists.dat（用户ID，艺术家ID，标签ID，日，月，年）。 用户的艺术家标记和日期。 user_taggedartists-timestamps.dat（用户ID，艺术家ID，标签ID，时间戳）。
采用深度学习算法为Spotify做基于内容的音乐推荐
zdy0_2004的专栏
02-21 5469
采用深度学习算法为Spotify做基于内容的音乐推荐 http://www.csdn.net/article/2015-02-10/2823907 摘要：本文概述了作者在Spotify的机器学习实践经验，解释了使用卷积神经网络(CNN)做基于音频的音乐推荐的方法，并提出了有关该卷积网络的实际学习效果的心得。采用了GTX 780Ti GPU，Theano软件框架，
论文笔记11:Development of a Music Recommendation System for Motivating Exercise
uuummmimiii的博客
08-09 435
参考论文：Development of a Music Recommendation System for Motivating Exercise 图片出不来，请参考我同文知乎连接：https://zhuanlan.zhihu.com/p/40912861 Abstract 虽然定期体育锻炼对健康的益处是很明显的，但许多人锻炼的程度远低于既定的指导方针。音乐已经被证明有一种激励作用，可以鼓励...
基于深度学习的推荐系统
智者之家
10-10 3925
基于深度学习的推荐系统 这是一个包含基于深度学习的文章、论文和推荐系统的知识库。 论文 Convolutional Matrix Factorization for Document Context-Aware Recommendation by Donghyun Kim, Chanyoung Park, Jinoh Oh, Seungyong Lee, Hwanjo Yu, RecSys 20...
C C++与C#
似水流年
01-12 1898
C，C++，C#三者区别 继承关系是C->C++->C# C++完全向C兼容,C程序几乎不用修改即可在C++的编译器上运行.C++也称为带类的C,在C的基础上增加了许多面向对象的概念.虽然是C的扩展,但 并不意味着C功能不如C++,最牛的操作系统是用C写的(不是C++哦). C#是微软弄的一个东东,继承了C和C++的许多东西,但和两者基本上 已完全不一样了.你可以把它当作一种全新的语言来学.
（论文阅读笔记）Deep Learning based Recommender System: A Survey and New Perspectives
m0_37191067的博客
02-23 7462
为了交英语作业机翻了这篇论文的一些部分 ，由于时间有限，感兴趣的内容有时间再翻 1引言： 推荐系统出现的背景：在这个信息爆炸的时代，许多用户都要面临信息过载的负担，推荐系统可以为用户过滤掉大部分用户不感兴趣的内容，帮助用户高效的找到感兴趣的东西。推荐系统在许多领域都已经成功应用，例如娱乐、购物、媒体等信息量冗余的领域。推荐系统在各个领域扮演者至关重要和必不可少的角色来提升业务和更方便的制定业务...
C#基础知识（十）——对象引用
心似烟火
08-14 6631
一、对象的引用： 1、结构和类的区别： 值类型的值存在栈上，引用类型的栈上存的是地址，值是在堆上。 类：类是引用类型。类当中默认有一个无参数的构造函数，当在类中写一个有参数的构造函数时，默认无参数的构造函数被干掉了。类中写构造函数参数列表中参数个数可以不确定。 结构：结构是值类型。在结构中默认的也有一个无参数的构造函数。在结构中写一个有参数的构造函数，默认的无参数的构造函数还有，没
论文笔记：Wide & Deep Learning for Recommender Systems
xiongjiezk的专栏
07-06 3044
论文提要本文在推荐方面提出一种wide & deep learning算法，也就是将一个宽的线性模型和一个深度神经网络一起训练，通过记忆和泛化（memorization and generalization），为用户推荐商品。该算法在Google Play上进行了实验和评估，结果表明，相比单一的宽线性模型和深度网络，该算法显著的提高了App安装量，具有更好的效果。TensorFlow
nips17-adversarial-attack代码运行环境
最新发布
04-04
nips17-adversarial-attack代码的运行环境需要具备以下条件： 1. Python 3.5或更高版本； 2. PyTorch 0.4或更高版本； 3. NumPy和SciPy库； 4. CUDA（如果使用GPU进行计算）。 建议在Linux或macOS操作系统下运行...
评论
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