![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文笔记
文章平均质量分 84
cici_iii
keep coding
展开
-
推荐系统经典论文学习
传统:大量特征工程FM:使用隐向量内积来建模组合特征,利用MF解决了数据稀疏的情况下的特征组合问题深入理解FFM原理与实践FFM:在FM的基础上引入了field的概念,在不同的field上使用不同的隐向量深入理解FFM原理与实践DeepFM:在FM的基础上,加入了并行的DNN,可以学习高度非线性的高阶组合特征(DNN缺点:隐式的学习特征组合带来不可解释性和低效的学习,因为不是所有的特征...原创 2019-08-30 15:08:17 · 289 阅读 · 0 评论 -
欺诈检测相关论文
欺诈检测相关论文一、分类1、GEM2、HACUD3、MAHINDER4、Semi-GNN5、MvMoE6、AMG-DP7、AddGraph8、NetWalk9、DOMINANT10、GraphConsis11、PC-GNN12、TRUST二、类别不平衡一、分类1、GEM来自蚂蚁金服的论文,他们提出GEM模型,是一个异质图神经网络方法,用于支付宝中恶意账户的检测。数据量有4.5亿个用户。作者从数据中总结了来自攻击者的两个主要特征:1、攻击者要承受计算资源带来的成本,所以大多数攻击者只在少数计算资原创 2021-07-22 19:07:50 · 1833 阅读 · 5 评论 -
GCN-Based User Representation Learning for Unifying Robust Recommendation and Fraudster Detection
GCN-Based User Representation Learning for Unifying RobustRecommendation and Fraudster Detection点击率预测:其主要思想是根据用户的历史行为对一组未评级的项目进行评级预测,然后从预测评级最高的项目中选择个性化推荐。欺诈检测:推荐系统的评论评级数据通常来自于开放平台,这可能会吸引一群恶意用户故意插入虚假反馈,使推荐系统偏向于自己。(此类攻击的出现可能会违反建模假设,即高质量的数据总是可用的,这些数据真实地反映原创 2021-04-15 15:41:59 · 672 阅读 · 0 评论 -
Session-basedRecommendationwithGraphNeuralNetworks(论文笔记)
原创 2020-03-03 20:35:43 · 395 阅读 · 0 评论 -
A Comprehensive Survey on Graph Neural Networks
摘要近年来,深度学习已经改变了许多机器学习的任务,从图像分类和视频处理到语音识别和自然语言处理等。这些任务的数据通常来说都是欧式数据。然而,越来越多应用的数据是非欧式的并且被呈现为有着数据之间复杂关系和相互依赖关系的图结构。图数据的复杂性给现有的机器学习算法带来了重大的挑战。最近,出现了许多关于图数据的深度学习方法的研究。本文对图神经网络GNNs在数据挖掘和机器学习方面的应用做了全面阐述。我...原创 2020-02-12 17:47:07 · 455 阅读 · 0 评论 -
论文笔记(Social Attentional Memory Network:Modeling Aspect- and Friend-level Differences in Recom-)
社交注意记忆网络:模拟面级别和朋友级别的区别原创 2019-08-17 14:32:47 · 1036 阅读 · 0 评论 -
论文笔记(SocialGCN: An Efficient Graph Convolutional Network based Model for Social Recommendation)
一个有效的基于图卷积神经网络的社交推荐模型原文链接:SocialGCN: An Efficient Graph Convolutional Network based Model for Social Recommendation, arxiv摘要大多数的社交推荐模型利用用户局部邻居(应该指的是直接信任的用户)的偏好去缓解数据稀疏性的问题。然而,他们只考虑了每个用户的局部邻居,忽略了用户偏好...原创 2019-08-15 20:06:07 · 2825 阅读 · 6 评论 -
论文笔记(A Neural Influence Diffusion Model for Social Recommendation)
神经影响传播模型为了社交推荐原文链接:A Neural Influence Diffusion Model for Social Recommendation, SIGIR’19摘要准确的user 和 item的嵌入学习时建立一个成功的推荐系统的关键。协同过滤CF提供了一种从用户项的交互历史中学习user和item嵌入的方式,但这样的话系统的性能将会被用户行为数据的稀疏性而限制。随着在线社交...原创 2019-08-15 10:36:39 · 3289 阅读 · 4 评论 -
论文笔记(Neural Collaborative Filtering)
神经协同过滤论文链接:Neural Collaborative Filtering, WWW’17原理:融合 GMF 和 MLP1. 摘要虽然最近的一些研究使用深度学习作为推荐,但他们主要是用深度学习来建模辅助信息,例如 item 的文本描述。在表示协同过滤的关键因素——用户和项目特征之间的交互时,仍然使用矩阵分解等用内积来建模。通过用一种能从数据中学习任意函数的神经结构代替内积,提出了...原创 2019-08-19 14:27:58 · 727 阅读 · 0 评论 -
论文笔记(Neural Graph Collaborative Filtering)
神经图协同过滤论文链接:Neural Graph Collaborative Filtering, SIGIR’19原理:在 user-item interaction graph 上使用 GNN 来学习 user 向量和item 向量区别:大部分论文使用 GNN 只是学习 user 向量,这篇论文的 item 向量也是使用GNN学习的大部分论文是在知识图谱KG或者社交网络Social...原创 2019-08-19 10:41:17 · 7351 阅读 · 7 评论 -
论文笔记(Attentive Recurrent Social Recommendation)
注意力循环社交推荐原文链接:Attentive Recurrent Social Recommendation, SIGIR’18摘要协同过滤(CF)是建立推荐系统最受欢迎的方式之一。为了解决协同过滤中数据稀疏性的问题,社交推荐(social recommendation)出现了,他利用用户之间的社交影响来得到更好的推荐效果。在这些系统中,随着时间的推移,用户的偏好取决于他们的时间动态兴趣(...原创 2019-08-14 09:26:20 · 996 阅读 · 6 评论 -
论文笔记(eTrust: Understanding Trust Evolution in an Online World)
eTrust:理解线上世界的信任进化摘要大部分关于线上信任的研究都假设用户之间的信任关系是静态的。正如社会科学家告诉我们的那样,信任随着人类的交互而进化发展。在线信任进化的研究面临着独特的挑战,因为通常情况下可用的数据来自于被动观察(科学家在现实世界中调查一群人,记录他们的各种信息)。本文利用社会科学理论开发了研究在线信任发展的方法。我们提出了一个进化信任框架eTrust,它利用了在线产品评审...原创 2019-08-17 14:37:07 · 444 阅读 · 0 评论 -
当知识图谱遇上推荐系统之PippleNet模型(论文笔记二)
RippleNet | Propagating User Preferences on the Knowledge类别:联合学习将知识图谱特征学习和推荐算法的目标函数结合,使用端到端(end-to-end)的方法进行联合学习。[论文下载链接]https://arxiv.org/abs/1803.034671、背景上一篇介绍了依次学习中的DKN,需要先学习到entity的向量和relat...原创 2019-07-23 14:49:42 · 1743 阅读 · 1 评论 -
当知识图谱遇上推荐系统之DKN模型(论文笔记一)
Deep Knowledge-Aware Network for News Recommendation类别:依次学习首先使用知识图谱特征学习得到实体向量和关系向量,然后将这些低维向量引入推荐系统,学习得到用户向量和物品向量。[论文下载链接]https://arxiv.org/abs/1801.08284v11、背景在线新闻推荐系统旨在解决新闻信息爆炸原创 2019-07-22 21:52:23 · 4562 阅读 · 0 评论 -
当知识图谱遇上推荐系统(总述和推荐)
背景来学校学习了两个星期了,总结一下,也可供学习这个方向的新人参考。当知识图谱遇上个性化推荐,这篇文章可以从宏观角度来解释下面四个概念:1、推荐系统的任务和难点2、什么是知识图谱3、知识图谱的优势4、知识图谱与推荐系统相结合的方法如何将知识图谱应用到推荐系统,这边文章介绍了知识图谱和推荐系统结合在一起的三种方式,以及每种方式下典型的模型:1、依次学习:Deep Knowledge-...原创 2019-07-22 16:40:23 · 2308 阅读 · 1 评论 -
当知识图谱遇上推荐系统之MKR模型(论文笔记三)
Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation类别:交替学习将知识图谱特征学习和推荐算法视为两个分离但又相关的任务,使用多任务学习的框架进行交替学习。1、背景MKR是一个通用的、端对端的深度推荐框架,旨在利用知识图谱嵌入(KGE)去协助推荐任务。两个任务是相互独立的,但是由于RS中的item和...原创 2019-07-23 22:01:21 · 11810 阅读 · 2 评论