![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
paper研读
文章平均质量分 68
wang2008start
这个作者很懒,什么都没留下…
展开
-
Paper_list
推荐相关CF(Collaborative Filtering)Item-Based Collaborative Filtering Recommendation Algorithms , paper链接 , paper-bijiCollaborative Metric Learning , paper链接 , paper-bijiItem2Vec: Neural Item Embedding for Collaborative Filtering , paper链接 , paper-biji少数原创 2020-09-25 20:57:25 · 267 阅读 · 0 评论 -
Behavior Sequence Transformer for E-commerce Recommendation in Alibaba——biji
原创 2020-05-20 23:20:30 · 252 阅读 · 0 评论 -
DIEN——biji
是 DIN 的升级版,共分为三层,用户行为层,用户兴趣抽取层,用户兴趣演化层.用户行为层用户兴趣抽取层为了将用户兴趣学习的更加充分,加入了额外 loss,h(t)和e(t+1),e(t+1)`,构建正负样本,类似于多目标的学习。用户兴趣演化层为了学习用户和候选item的关系,加入了 attention 机制,Attention + GRU的实现这里给了三种方法:GRU with attentional input(AIGRU):将抽取层的 h_t 与 weight 相乘直接作为 演化层 G.原创 2020-05-20 23:00:39 · 337 阅读 · 0 评论 -
SeqGAN_biji
GAN做生成存在的问题GAN 不适用于离散数值,梯度不能回传到生成模型的问题解决方法:将生成器看作是强化学习中的 stochastic policy,SeqGAN 可以直接通过 gradient policy update 避免生成器中的可导问题。只能对整个sequence打分,如果生成器生成序列的同时判别器来判断,如何平衡当前序列的分数和未来序列的分数又是一个难题解决方法:判别器...原创 2019-11-13 16:29:25 · 160 阅读 · 0 评论 -
GraphSAGE_biji
Graph SAGE:工业应用,是目前所有工业上图模型的雏形。归纳式学习,可以泛化到没有未参与训练的节点上。卷积部分可以有很多种,比如平均,pooling,lstm聚合,以及GCN聚合等。GraphSAGE(Graph SAmple and aggreGatE)框架,工业应用,附带python 开源实现。归纳式学习,可以泛化到没有未参与训练的节点上。卷积部分可以有很多种,比如平均,pooling...原创 2019-09-08 23:31:49 · 553 阅读 · 0 评论 -
行列式点过程推荐多样性算法
推荐多样性的衡量指标是单个推荐列表中物品之间的差异程度,通过计算在同一个推荐 list 中两两 Item 之间的相似度的平均值来进行衡量。DPP(Determinantal Point Process)行列式点过程,是一种性能较高的概率模型。将复杂的概率计算转换成简单的行列式计算,通过核矩阵的行列式计算每一个自己的概率。...原创 2019-07-05 14:34:25 · 1859 阅读 · 0 评论 -
Self-Attention Mechanism
在计算 Attention 时主要分为三步,第一步是将 query 和每个 key 进行相似度计算得到权重,常用的相似度函数有点积,拼接,感知机等;然后第二步一般是使用一个 softmax 函数对这些权重进行归一化;最后将权重和相应的键值 value 进行加权求和得到最后的 Attention。目前在 NLP 研究中,key 和 value 常常都是同一个,即 key=value。...转载 2018-12-02 12:13:37 · 652 阅读 · 0 评论 -
Attention is all your need——paper 笔记
去掉了 RNN 和 CNN ,直接用 encoder 和 decoder 的层与层之间直接使用 attention 机制,优点在于不需要 long-dependency 句子中的单词 dependency 长度最多只有1,减少了信息传输路径。 这种方式直接可以挖掘句子内部单词与单词的语义组合关系,将其作为一个语义整体,使得翻译时更好地利用单词组合甚至是短语的信息,更好地 decode ...原创 2018-08-16 12:16:54 · 431 阅读 · 0 评论 -
Collaborative Metric Learning——paper 笔记
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...原创 2018-07-23 22:35:23 · 1366 阅读 · 1 评论 -
word2vec doc2vec paragraph2vec topic2vec prodct2vec——paper 笔记
Distributed Representations of Words and Phrases and their Compositionality The Skip-gram Model Hierarchical Softmax Negative Sampling 高频词的子采样Distributed Representations of Sentences and Documents原创 2017-12-11 18:11:19 · 2119 阅读 · 1 评论