ATRank: An Attention-Based User Behavior Modeling Framework for Recommendation

最新推荐文章于 2024-11-09 21:51:27 发布
最新推荐文章于 2024-11-09 21:51:27 发布
阅读量194 收藏
点赞数
分类专栏： 科研--论文--实验 机器学习 NLP--自然语言处理 文章标签： python 人工智能 spark mllib 科研论文 论文
wzideng所有，如有需求，请联系=>>Wzideng@qq.com
本文链接：https://blog.csdn.net/weixin_43554580/article/details/132277946
版权
ATRank模型针对异构用户行为，利用自注意力机制建模用户行为，将行为投影到多维语义空间中进行交互。通过与BPR-MF, Bi-LSTM, Bi-LSTM+Attention等算法对比实验，展示了在单一类型和多类型行为数据集上的优秀性能。" 89397814,8256439,GSAP：专业Web动画库详解,"['JavaScript', '动画库']
摘要由CSDN通过智能技术生成

在这里插入图片描述

Abstract

在这里插入图片描述

异构用户行为

我们的模型考虑了【异构用户行为】，我们将所有类型的行为投射到多个潜在的语义空间中，在这些语义空间中，行为之间可以通过自关注产生影响。

异构用户行为（Heterogeneous User Behavior）指的是在一个系统、平台或社交网络中，不同用户在行为模式、兴趣爱好、互动方式等方面存在差异的现象。这种差异可能来自于用户个体的特征、偏好、社会背景、文化等因素，导致他们在使用该系统或平台时表现出多样化的行为。

在各种互联网和社交媒体平台中，异构用户行为是常见的现象。不同用户可能会以不同的方式与平台进行互动，例如：

  1. 浏览模式不同: 一些用户可能更喜欢浏览图像、视频，而另一些用户可能更喜欢阅读文字内容。

  2. 互动频率差异

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Controllable Multi-Interest Framework for Recommendation
weixin_41697507的博客
07-23 3528
Controllable Multi-Interest Framework for Recommendation ABSTRACT Recently, neural networks have been widely used in e-commerce recommender systems, owing to the rapid development of deep learning. We formalize the recommender system as a sequential recom
【推荐算法论文阅读】ATRank: An Attention-Based User Behavior Modeling Framework for Recommendation
qq_36643449的博客
04-20 1186
一、背景 本文提出一种基于注意力机制的用户异构行为序列的建模框架，并将其应用到推荐场景中。我们将不同种类的用户行为序列进行分组编码，并映射到不同子空间中。我们利用 self-attention 对行为间的互相影响进行建模。最终我们得到用户的行为表征，下游任务就可以使用基本的注意力模型进行有更具指向性的决策。我们尝试用同一种模型同时预测多种类型的用户行为，使其达到多个单独模型预测单类型行为的效果。 亮点： 这是阿里巴巴和北大联合发表的一篇论文，在电商环境中，用户会存在多种行为：浏览、购买、收藏商品，领取、使
[论文阅读] ATRank: An Attention-Based User Behavior Modeling Framework for Recommendation
qq_31225201的博客
07-10 1666
pdf: https://arxiv.org/abs/1711.06632 [AAA2018] 这篇文章是阿里和北大提出的基于注意力机制的用户异构行为建模框架，主要用于推荐任务。 一个用户可以被Ta的历史行为所表示，但是由于用户行为是异构且动态的，难以建模。异构数据可以通过计算潜在空间的距离来表示，却没有一种可以将用户的异构行为进行表征的方法。 此外，用户的历史行为可以看作一种序列数据，早期对序列数据的处理是人工提取特征，提取的特征不能充分的表示数据本身，同时需要太多的工作，而且聚合的特征可能会丢失与下游应
【推荐系统】ATRank: Attention-Based User Behavior Modeling Framework For Recommendation
布纸所云
07-01 4699
ATRank: An Attention-Based User Behavior Modeling Framework for Recommendation 论文地址：https://arxiv.org/pdf/1711.06632.pdf 1. Introduction 正如单词可以由上下文表示一样，一个用户也可以由他/她的历史行为来表征 用户行为通常构成一个与时间相关的序列（a sequence over the timeline） RNN/CNN被引入来encode behavior sequen
ATRank: An Attention-Based User Behavior Modeling Framework for Recommendation 详解
weixin_40901056的博客
01-22 708
ATRank: An Attention-Based User Behavior Modeling Framework for Recommendation 详解 一、简介 这是阿里巴巴和北大联合发表的一篇论文，在电商环境中，用户会存在多种行为：浏览、购买、收藏商品，领取、使用优惠券，搜索关键词等等。 由于attention具有抓取序列间的内在关系的能力，因此利用attention来对用户不同的...
ATRank: An Attention-Based User Behavior Modeling Framework for Recommendation简析
loserChen的博客
07-01 1346
ATRank: An Attention-Based User Behavior Modeling Framework for Recommendation Introduction 正如一个单词可以通过其上下文来表示，那么一个用户也可以通过其过往的行为序列来表示。但随着技术的发展，越来越多样化的用户行为可以被捕捉并保存在数据库中，使得用户行为表现出异构性，高度多样性。以电商领域的推荐为例、一个用...
学界 | 2018年度顶会论文完整盘点【上】
zenRRan的博客
12-27 1586
来自 SIGAI禁止二次转载文章内的所有论文PDF版本可在【官网】www.sigai.cn【知识库】【技术文章】内下载CVPR 2018大会时间：6月18日~22日会议地点：盐湖城，UT...
2020 IJCAI 接受论文 list 分类排列（二）
u014546828的博客
08-23 2万+
2020 IJCAI 接受论文 list 分类排列（一） 2020 IJCAI 接受论文 list 分类排列（二） 2020 IJCAI 接受论文 list 分类排列（三） 目录 Main track (Humans and AI) Main track (Knowledge Representation and Reasoning) Main track (Machine Learning) Main track (Machine Learning Applications) Mai.
想了解推荐系统最新研究进展？请收好这16篇论文
Paper weekly
09-28 3万+
在碎片化阅读充斥眼球的时代，越来越少的人会去关注每篇论文背后的探索和思考。在这个栏目里，你会快速 get 每篇精选论文的亮点和痛点，时刻紧跟 AI 前沿成果。点击本文底部...
User Profiling through Deep Multimodal Fusion
qq_31402749的博客
10-06 1682
写在前面：小小白读的第一篇论文，读的不是很明白，特地记录下来，写的不好，仅供自己参考。如果写的不对还请大家多多指教，多多交流。 PS：绿色文字代表我不是很确定我的想法是不是正确，或者我读不懂的地方，红色文字代表经过查找询问等方法后对绿色文字部分的解答。划线这种代表第一次理解错的地方，因为想记录一下思考过程，所以留了下来。另外，本文的相关链接，都是作者看过很多相关文章之...
推荐系统相关的Paper
静下心来好好学习
01-21 3369
几篇对工业界比较有影响的论文 推荐两篇必看最好能自己实现论文 当前推荐系统所面临的挑战相关研究 AAAI 2018 录用推荐系统相关的部分Papers Reference 几篇对工业界比较有影响的论文 The Wisdom of The Few 豆瓣阿稳在介绍豆瓣猜的时候极力推荐过这篇论文，豆瓣猜也充分应用了这篇论文中提出的算法； Restricted Boltzmann M
注意力机制最新综述解读
热门推荐
沈春旭的博客
04-16 19万+
注意力模型(Attention Model，AM)已经成为神经网络中的一个重要概念，并在不同的应用领域进行了充分的研究。这项调查提供了一个结构化和全面的概述关于attention的发展。我们回顾了注意力机制被纳入的不同的神经网络结构，并展示了注意力如何提高神经网络的可解释性。最后，我们讨论了在实际应用中，注意力机制取得的重要影响。我们希望这项调查能够为注意力模型提供一个简明的介绍，并在开发应用方法...
推荐系统论文及其源代码收集（持续更新）
qq_26274221的博客
10-28 9101
大家也许跟我有同样的感受，在每次找到感兴趣的论文时，总是很难找到其对应的源码。 于是我将搜过的关于推荐系统的论文和源代码连接分享在这里，希望能帮到大家：） 1.Metric Factorization: Recommendation beyond Matrix Factorization 论文：https://www.researchgate.net/publication/32557004...
【anaconda】使用记录
zhuyan108的博客
11-05 340
window11 下安装anaconda。
【python GUI编码入门-21】如何用Tkinter创建一个记事本应用
木头大左的博客
11-08 37
在现代编程环境中，图形用户界面（GUI）应用程序的开发变得越来越重要。Python的Tkinter库是一个功能强大且易于使用的GUI工具包，非常适合初学者和有经验的开发者使用。本文将详细介绍如何使用Tkinter创建一个简易的记事本应用，涵盖从安装到实现各项功能的全过程。Tkinter是Python的标准GUI库，它提供了丰富的接口来创建窗口、对话框、按钮等常见的GUI组件。Tkinter具有良好的跨平台性，可以在Windows、Mac OS和Linux上运行。
一次薅国家超算平台的记录
weixin_55179972的博客
11-07 407
参与 谁是下一个“AI”跃人 -AI体验推介活动，赢取千元算力券！（https://www.scnet.cn/home/subject/modular/index270.html）2. Clone开源的Llama3 Chinese （https://github.com/LlamaFamily/Llama-Chinese）活动名称主题：国家超算互联网「AI跃升季」：谁是下一个“AI”跃人 - AI算力体验活动。其中位置1，2替换为商品基模型和训练出来的微调模型。模型改为商城下载的模型。2、运行的过程记录。
推荐一款管道数据检索工具：Pipedata-Pro
最新发布
11-09 232
是一款专为设计石油、天然气、水和蒸汽管道及管道系统的工程师开发的应用程序。该应用程序提供了设计管道系统所需的工程数据，拥有一个全面的管道类型、配件和材料。
bi-vldoc: bidirectional vision-language modeling for visually-rich document
09-16
bi-vldoc是一种用于视觉丰富文档的双向视觉-语言建模方法。 bi-vldoc通过将视觉信息与语言信息结合起来，能够有效地处理视觉丰富的文档。传统的自然语言处理方法通常只处理文本信息，忽视了文档中的视觉元素。而bi-vldoc能够同时考虑文本和图像，并将它们作为输入进行建模，从而更全面地理解和分析文档内容。 bi-vldoc的关键思想是利用双向建模技术。它使用了两个模型：一个是基于视觉的模型，另一个是基于语言的模型。这两个模型相互配合，通过互相补充的方式提高了整体的建模效果。 基于视觉的模型主要用于从图像中提取视觉特征，并将其编码为向量表示。这些向量表示包含了图像的语义信息，能够用于理解图像中的内容。 基于语言的模型主要用于处理文本信息。它能够将文本编码为向量表示，并用于生成关于文本的预测。 在训练时，bi-vldoc使用了大量的带有标注的视觉丰富文档数据集。通过最大化真实标注的概率来训练模型，使其能够根据给定的文档内容生成正确的视觉和语言输出。 bi-vldoc在实际应用中具有广泛的应用前景。例如，在图像描述生成中，它可以根据图像内容生成相关的文本描述。在问答系统中，它可以回答关于图像内容的问题。此外，bi-vldoc还可以应用于文档分类、信息检索等领域，提供更准确和全面的分析和理解能力。
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