Collaborative Metric Learning——paper 笔记

最新推荐文章于 2023-04-30 17:30:57 发布
最新推荐文章于 2023-04-30 17:30:57 发布
阅读量1.3k 收藏 2
点赞数
分类专栏： paper研读 tensorflow 机器学习 推荐系统 深度学习
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/wang2008start/article/details/81176190
版权
本文探讨了协同过滤的基本原理，结合三角不等式提出了一种新的度量学习方法。通过大型边缘最近邻损失函数，结合隐式反馈，并采用加权排名损失来优化物品推荐的排序。此外，该方法考虑了物品特征并学习转换函数，同时对协方差矩阵进行正则化。尽管缺乏显著创新，但该文综合了多篇论文的思想。
摘要由CSDN通过智能技术生成

 

  • Collaborative Metric Learning

协同过滤（回顾和复习了CF，基于模型的CF是用矩阵分解实现的，loss为评分矩阵和新构建的评分矩阵的平方差，用梯度下降进行优化学习）。这里是主要提出了三角不等式（两对pairwise节点的距离之和大于这两个节点的直接距离，隐含：如果x相似与y和z，那么y和z本身也是相似的，相似传递性），在矩阵分解的基础上，使用pairwise格式的训练集。

Large Margin Nearest Neighbor

loss=loss_pull+loss_push

Implicit Feedback: loss中加c_ij，对于显示反馈和隐式反馈用不同weight控制。

Bayesian Personalized Ranking: pairwise方式训练（like j better than k）

loss：-log( sigmiod(u_i*v_j-u_i*v_k))+正则项

最低0.47元/天 解锁文章
wang2008start
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Collaborative Metric Learning(CML)论文总结
Marcus-Bao的个人主页
04-20 810
论文 问题介绍 度量学习算法通过学习生成什么样的距离度量来帮助解决数据间的重要关系。 传统的CF(主要以MF,TF为主)的方法只能学习到user-item之间的潜在关系而无法学习到user-user,item-item的Similarity。本文作者将传统的CF与Metric Learning相结合提出CML,学习到了user-item，以及user-user,item-item的similari...
8、Collaborative Metric Learning
weixin_33980459的博客
10-19 220
一、摘要： 文章的核心思想：是如何把Metric learning 和 CF结合起来从而达到更好的推荐效果。 提出了CML（Collaborative Metric Learning），其学习一个联合度量空间，不仅编码用户的偏好，而且编码用户-用户和项目-项目的相似性。 假设用户和物品可以放到低维空间，并且可以使用满足不等式性质的欧式距离来度量他们之间的距离。 将ML和CF结合的原因...
Collaborative Metric Learning(www 2017)
qq_42018521的博客
04-30 888
传统基于MF的模型，将特征向量的点积作为预测结果，这存在一个很大的问题，即dot product 不满足三角不等式），这会导致学到的特征向量次优（难以捕捉用户细粒度的偏好）。本文提出了一种Collaborative+Metric Learning模型，不仅能捕捉用户细粒度偏好，还可以捕捉用户-用户/物品-物品相似性。
Paper笔记
weixin_30832983的博客
10-30 77
1.关于作图： 分辨率问题： a.word插入图片会损失分辨率，直接复制粘贴不会 b.matlab画图的 导出设置中可以直接设置分辨率和图像大小 转载于:https://www.cnblogs.com/duoduo--up/p/7755214.html...
paper学习笔记 - PLE
xuanshuang的博客
08-29 825
PLE学习
(论文阅读笔记1)Collaborative Metric Learning(一)（WWW2017）
chunyun0716的专栏
07-31 2857
一、摘要    度量学习算法产生的距离度量捕获数据之间的重要关系。这里，我们将度量学习和协同过滤联系起来，提出了协同度量学习（CML），它可以学习出一个共同的度量空间来编码用户偏好和user-user 和 item-item的相似度。二、背景2.1 Metric Learning     令χ={x1,x2,…,xn}\chi = \{x_1, x_2,\dots, x_n\}是空间Rm\mathb
Collaborative Deep Reinforcement Learning For Photo Comopsition
02-08
### 合作深度强化学习在图像裁剪中的应用 #### 摘要 本文提出了一种基于合作深度强化学习（CDRL-RC）的自动图像构图方法。该方法通过强化学习将图像构图建模为马尔科夫决策过程，并通过一系列移动和缩放动作生成...
Exploiting Unintended Feature Leakage in Collaborative Learning.pdf
04-18
论文Exploiting Unintended Feature Leakage in Collaborative Learning
Robust Collaborative Learning of Patch-level and Image-level
最新发布
10-28
《基于强健协同学习的区域级与图像级糖尿病视网膜病变评估》 糖尿病视网膜病变（DR）的评估，从眼底图像中提取，是学术界和工业界日益关注的问题。多数基于卷积神经网络（CNN）的算法将DR分级视为图像级别的分类...
Learning Binary Codes for Collaborative Filtering
01-15
This paper tackles the efficiency problem of making recommendations in the context of large user and item spaces. In particular, we address the problem of learning binary codes for collaborative ...
Distance Metric Learning with Application to Clustering with Side-Information
03-06
Distance Metric Learning with Application to Clustering with Side-Information (by Eric P. Xing)，2003年发表的NIPS论文，度量学习的经典开山之作。
neuro_collaborative_filtering：神经协同过滤
02-05
神经协同过滤 这是本文的实现： 何湘南，廖丽子，张汉旺，聂丽强，胡霞，蔡达生（2017）。... 三种协作过滤模型：广义矩阵分解（GMF），多层感知器（MLP）和神经矩阵分解（NeuMF）。 为了将模型用于隐式反馈和排名...
大师教你写Paper 笔记
bestlinjialyin的专栏
07-31 1063
大师教你写Paper notes http://v.youku.com/v_show/id_XNjc0NDcxNDAw.html http://research.microsoft.com/en-us/people/simonpj/ # Write earlier. 做研究的顺序是，有了 idea—>writing paper—> doing research/experi
Collaborative Translational Metric Learning论文小结(附核心pytorch代码)
Marcus-Bao的个人主页
09-12 386
前言 在之前得专栏文章中，我们介绍过一种将度量学习引入推荐系统的方法Collaborative Metric Learning(CML)论文总结。其主要的motivation就是说传统的基于点积的矩阵分解方法不满足三角不等式，因此不是一个好的度量方式，会存在一些问题。对此，CML的解决思路是将用户和商品投影到欧几里得空间，然后用欧几里得距离来度量用户对不同商品的偏好。 那么CML就是完美的吗？显然是不可能的。 CML的出现后，涌现了一系列的基于度量学习的推荐算法，大部分都是对原CML的改进和提高，我会慢慢
(论文阅读笔记1)Collaborative Metric Learning(二)（WWW2017）
chunyun0716的专栏
08-20 1741
三、协同度量学习    这一部分，我们讨论CML作为一种更自然的方法获得关联关系。CML的思路是这样的：我们在已知正例关系的user-item集合S\mathcal{S}上建立一个隐性反馈模型，并且学习user-item的距离作为他们的关系。学习到的距离使得S\mathcal{S}中的对更加紧密，而S\mathcal{S}之外的user-item对相对的远离。这个处理过程，源于三角不等性。也可以聚类
[论文笔记] An Efficient and Effective Framework for Session-based Social Recommendation
THOOOR的博客
08-19 620
原文地址 Improving Collaborative Metric Learning with Efficient Negative Sampling (arxiv.org) Improving Collaborative Metric Learning for Recommendation by a 2-stage negative sampling strategy. (github.com) 基于三元组损失的距离度量学习已成功应用于广泛的应用中，例如人脸识别、图像检索、说话人变化检测以及最近使.
论文笔记 | Metric Learning with adaptive density discrimination
bea_tree的博客
10-09 3718
Authors Oren Rippel（有趣的是作者喜欢中文) Manohar Paluri Piotr Dollar Lubomir BourdevAbstract本文介绍了一种Distance Metric Learning （DML)，效果比triplet还要好，而且需要的迭代次数更少。1 Introduction 与传统的DML相比，Magenet不仅考虑intra-class v
机器学习----降维与度量学习（PCA）
欢迎来到我的酒馆
04-28 2198
思路主成分分析、Principal Component Analysis、PCA的推导有很多种途径，我们选择一种，容易理解的来讲解。我们的目的是降维，但是不能胡乱的降，观察下面这组数据： 我们画的是二维情况，但是具体到高维也是可以的。μ\mu是我们目测一个比较好的降维之后的投影方向。但是这只是目测，我们怎么规定这个准则呢？我们规定： 投影之后样本竟可能分散，即样本方差尽可能大。 推导样本点
COCOACollaborative Convolutional Metric Learning
04-04
COCOA (Collaborative Convolutional Metric Learning) is a deep learning method for metric learning that aims to learn a similarity metric between pairs of images. It is designed for image retrieval ...
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