- 博客(130)
- 收藏
- 关注
RSS订阅原创 AAAI2023 | 针对联邦推荐场景的非定向攻击与防御
嘿，记得给“机器学习与推荐算法”添加星标TLDR：今天跟大家分享一篇通过利用聚类算法来操纵物品嵌入特征以此针对联邦推荐场景进行非定向攻击的工作，随后作者针对这一攻击又提出了一种基于一致性的对应防御机制，该论文已被AAAI2023接收。接下来让我们具体看看所提算法是如何工作的吧。论文：https://arxiv.org/abs/2212.05399代码：https://github.com/yfly...
2022-12-28 08:30:26
815
原创 SIGIR2022 | 基于生成对抗思想的冷启动推荐算法
嘿，记得给“机器学习与推荐算法”添加星标冷启动问题一直以来都是推荐系统中长期存在的一个棘手问题。传统的基于嵌入的推荐模型通过从历史交互中学习每个用户和物品的嵌入来提供推荐。因此，这种基于嵌入的推荐模型对于训练集中没有出现过的冷门物品表现很差。最常见的解决方案是为冷门物品从其内容特征中生成冷门嵌入。然而，由于内容特征和历史交互特征的分布不同，使得从内容生成的冷嵌入与之前的嵌入具有不同的分布。在这种情...
2022-12-22 11:00:43
469
原创 TKDE2022 | 基于关系的协同过滤算法，利用注意力机制来学习物品关系的嵌入特征...
嘿，记得给“机器学习与推荐算法”添加星标鉴于经典的协同过滤算法的有效性和易用性，基于物品的协同过滤方法已被广泛应用于工业领域，并在近年来被广泛研究。基于物品的协同过滤方法的关键在于物品之间的相似度测量，但本文认为这是一个粗粒度的数值，其难以捕捉用户对物品不同属性方面的细粒度偏好。如图1所示，用户A和用户B都观看了电影《Inception-盗梦空间》和《Interstellar-星际》，这两部电影都...
2022-12-21 11:09:35
735
原创 AAAI2023 | 均匀序列更好: 时间间隔感知的序列推荐数据增强方法
嘿，记得给“机器学习与推荐算法”添加星标TLDR：本文探讨了时间间隔对序列推荐的影响。作者的核心思想是均匀序列对于模型学习和预测用户偏好更具价值，这一假设在实证研究中得到验证。之后，作者提出了五种时间间隔感知的数据增强算子来增强序列。作者在四个公开数据集上的实验验证了作者提出算子的有效性。链接：https://arxiv.org/abs/2212.08262代码：https://github.co...
2022-12-20 11:00:49
784
原创 TOIS2022 | 从变分自编码器视角重新审视图神经网络推荐算法
嘿，记得给“机器学习与推荐算法”添加星标基于图的推荐系统已经引起了广泛的关注并产生了一系列的研究成果。由于图神经网络强大的高阶关系建模能力，这些基于图的推荐系统的性能远远优于传统的基于神经网络的协同过滤模型。然而，从实验和理论的角度来看，显著的性能提升往往伴随着明显的时间开销的增加，这在大规模的图拓扑结构中是十分明显的。另外，内在的数据稀缺性问题同样大大限制了基于图的推荐系统的性能，这迫使本文从一...
2022-12-15 11:00:33
271
原创 最新基于图神经网络的社交推荐算法综述
嘿，记得给“机器学习与推荐算法”添加星标社交推荐，又名社会化推荐算法，旨在利用用户的社交信息（比如好友关注信息、信任信息等）来补充用户的行为信息以此来提供更加精准的推荐。换句话说，通过利用社交域的信息来提高用户行为域的预测精准度，以此来缓解行为域存在的数据稀疏等固有问题。根据社交推荐算法的脉络发展，其大体上经历了基于传统的协同过滤的方法（比如基于矩阵分解的社交推荐方法）、基于图嵌入的深度社交推荐方...
2022-12-12 08:00:27
2149
原创 WWW2022 | 基于领域增强的图对比协同过滤方法+代码实践
嘿，记得给“机器学习与推荐算法”添加星标今天跟大家分享一篇将对比学习应用于图协同过滤方法的文章，该论文发表于WWW2022会议上。其主要思想是在图神经网络协同过滤方法上应用了两种领域类型的对比学习方法，分别是显式的结构领域和隐式的语义间的领域，相比于随机采样的对比学习方式，其挖掘了用户或者物品的邻居关系并开发了对比学习在推荐系统上的潜力，实验表明该方法在多个数据集上取得了良好的推荐性能。论文：ht...
2022-12-07 11:00:25
918
1
原创 CCF推荐列表重磅更新, RecSys升级成为B类会议, 中国科学: 信息科学成为A类期刊......
嘿，记得给“机器学习与推荐算法”添加星标2022年11月30日CCF官网发布了关于中国计算机学会关于推荐国际学术会议和期刊目录更新公告。公告指出：在既有基础上进行微调，保持宁缺毋滥的原则；领域划分方式保持不变，期刊和会议的推荐类别体系保持不变，在同等情况下增加对国内期刊的支持。相较于上一版目录，此次《目录》拟新增期刊4个，会议6个；升级期刊18个，会议19个；移除期刊1个。https://www....
2022-12-01 11:00:07
2583
原创 CCF推荐列表重磅更新, RecSys升级成为B类会议, 中国科学: 信息科学成为A类期刊......
嘿，记得给“机器学习与推荐算法”添加星标2022年11月30日CCF官网发布了关于中国计算机学会关于推荐国际学术会议和期刊目录更新公告。公告指出：在既有基础上进行微调，保持宁缺毋滥的原则；领域划分方式保持不变，期刊和会议的推荐类别体系保持不变，在同等情况下增加对国内期刊的支持。相较于上一版目录，此次《目录》拟新增期刊4个，会议6个；升级期刊18个，会议19个；移除期刊1个。https://www....
2022-12-01 11:00:07
566
原创 WSDM2023推荐系统论文集锦
嘿，记得给“机器学习与推荐算法”添加星标第16届国际网络检索与数据挖掘会议WSDM将在2023年2月27日到3月3日于新加坡举行。今年此次会议共收到了690份有效投稿，最终录取篇数为123篇，录取率为17.8%。该会议历年的论文投稿量以及接收率可见下图。作为主流的检索与数据挖掘会议，论文的话题主要侧重于搜索、推荐以及数据挖掘领域，因此该会议大部分接收论文的主题是围绕着信息检索与推荐系统来说的。若想...
2022-11-15 21:00:50
2890
原创 基于自监督学习的多模态推荐算法
嘿，记得给“机器学习与推荐算法”添加星标学习多媒体内容的特征表示对多媒体推荐至关重要。目前的表示学习方法大致分为两类：利用历史交互信息来创建用户和物品的ID嵌入，以及将多模态数据作为物品的辅助信息来丰富其ID嵌入。每个用户与物品的交互都提供了监督信号，以优化传统监督学习范式下的表示学习。由于忽视了隐藏在数据中的多模态模式（比如，用户以前看过的短视频中的视频、声音、文本特征，以及它们的行为特征），这...
2022-11-09 08:10:50
816
原创 腾讯联合西湖大学发布首个大规模多用途推荐系统数据集, 可评估超10种推荐任务...
嘿，记得给“机器学习与推荐算法”添加星标针对当前数据集存在的小规模以及有限的用户反馈形式等问题，腾讯联合西湖大学发布了一个大规模的多用途推荐系统数据集Tenrec。基于该数据集，还验证了10种不同的推荐任务上的基线性能。论文：https://arxiv.org/abs/2210.10629对于论文所涉及的代码、数据集以及榜单可在以下链接获取：https://github.com/yuangh-x/...
2022-11-02 11:05:54
305
原创 基于隐私保护的联邦推荐算法综述
嘿，记得给“机器学习与推荐算法”添加星标推荐系统通过集中式的存储与训练用户对物品的海量行为信息以及内容特征,旨在为用户提供个性化的信息服务与决策支持.然而,海量数据背后存在大量的用户个人信息以及敏感数据,因此如何在保证用户隐私与数据安全的前提下分析用户行为模式成为了近年来研究的热点.联邦学习作为新兴的隐私保护范式,能够协调多个参与方通过模型参数或者梯度等信息共同学习无损的全局共享模型,同时保证所有...
2022-10-26 08:10:24
842
1
原创 悉尼科技大学最新可信推荐综述，提出可信推荐生态系统并概括9个方面的发展...
嘿，记得给“机器学习与推荐算法”添加星标作者：汪守金单位：悉尼科技大学可信推荐系统，作为一种新兴的推荐系统范式，正方兴未艾，大量的新技术和新方法层出不穷。这篇综述对该领域的主要问题、关键挑战、未来方向等方面提供了一个综合而全面的认知。论文简介文章题为《Trustworthy Recommender Systems》，论文第一作者为悉尼科技大学数据科学研究所助理教授汪守金博士。他在数据挖掘、机器学习...
2022-10-11 08:00:51
468
原创 最新可信推荐系统综述, 6个维度71页463篇文献介绍其前沿进展
嘿，记得给“机器学习与推荐算法”添加星标作为最成功的人工智能驱动的应用之一，推荐系统通过在我们生活的许多方面提供个性化的建议，帮助人们以有效和高效的方式做出适当的决定，特别是针对各种在线服务，如电子商务平台和社交媒体网站。在过去的几十年里，推荐系统的快速发展通过创造经济价值、节省时间和精力以及促进社会公益，使人们大大受益。然而，最近的研究发现，数据驱动的推荐系统会给用户和社会带来严重的威胁，比如在...
2022-09-30 08:49:11
529
原创 NeurlPS2022推荐系统论文集锦
嘿，记得给“机器学习与推荐算法”添加星标第36届神经信息处理系统会议NeurlPS2022将于11月28日至12月9日举行。大会将持续举行两周，第一周将在美国新奥尔良举行现场会议，第二周改为线上会议。根据官网邮件中给出的数据，本届会议共有10411篇论文投稿，接收率为25.6％。官网链接：https://nips.cc/Conferences/2022/Schedule?type=Poster本文...
2022-09-26 11:15:04
932
原创 CIKM2022推荐系统论文集锦
嘿，记得给“机器学习与推荐算法”添加星标第31届信息和知识管理国际会议CIKM2022将于2022年10月17日-21日以混合会议的方式在美国亚特兰大举行。CIKM会议是数据库／数据挖掘／内容检索领域顶级国际会议，也是中国计算机学会规定的CCF B类会议。关于该会议在历年推荐系统论文收录情况请参考下文：CIKM2021推荐系统论文集锦CIKM2020推荐系统论文集合本文主要是从教程以及研究型论文和...
2022-09-22 11:15:55
838
原创 RecSys2022 | 当推荐系统遇到量子计算
嘿，记得给“机器学习与推荐算法”添加星标经过几十年来的理论研究，量子计算现在正成为解决现实问题的有用工具。文本介绍的工作旨在通过实验探索目前可用的量子计算机的可行性，期望基于量子退火范式，建立一个利用社区检测的推荐系统，目前该工作已发表于2022年的推荐系统年会RecSys上。社区检测，通过将用户和物品划分为密集连接的集群，可以通过假设每个社区内的用户有相似的品味来提高非个性化推荐的准确性。然而，...
2022-09-21 08:00:49
498
原创 推荐系统模型发展简史
嘿，记得给“机器学习与推荐算法”添加星标互联网出现不久，推荐系统就诞生了，相关技术在学术界和工业界得到了广泛的研究和应用。目前，推荐系统已经成为最成功的网络应用之一，通过推荐不同种类的内容来为数十亿人服务，包括新闻资讯、视频、电子商务产品、音乐、电影、书籍、游戏、朋友、工作等。这些成功的案例证明，推荐系统可以将大数据转移成高价值。本文从两个方面简要回顾了推荐系统的发展历程：（1）推荐模型，（2）典...
2022-09-12 21:30:17
1939
原创 KDD2022 | 基于图表示的推荐算法教程
嘿，记得给“机器学习与推荐算法”添加星标第28届国际知识发现与数据挖掘大会SIGKDD会议将于8月14日至18日在华盛顿举行，该会议为数据挖掘领域顶级会议，CCF A类会议。据统计，今年共有1695篇有效投稿，其中254篇论文被接收，接收率为14.98%。关于KDD2022的推荐系统论文整理可参考KDD2022推荐系统论文集锦(附pdf下载)。推荐系统是现代消费者web应用的基本组成部分，它试图预...
2022-08-17 08:00:11
597
原创 WWW2021 | 基于图卷积神经网络的多样化推荐系统
嘿，记得给“机器学习与推荐算法”添加星标作者：王玉菡单位：武汉理工大学方向：跨域推荐本文是一篇发表在WWW2021上的基于图卷积神经网络的多样性推荐系统的研究——DGCN: Diversified Recommendation with Graph Convolutional Networks，主要包括研究内容的介绍、总结以及个人思考。论文:dl.acm.org/doi...
2022-08-03 08:00:19
1275
原创 350篇文献总结可信推荐系统前沿进展
嘿，记得给“机器学习与推荐算法”添加星标推荐系统作为以人为本的人工智能技术的最前沿应用，被广泛部署在网络世界的每个角落，其大大提高了人类的决策效率。然而，尽管推荐系统具有巨大的作用和潜力，但也可能导致对用户、物品、生产者、平台甚至整个社会的不良影响，例如由于不透明的过程而损害用户的信任，对不同的消费者或生产者的不公平待遇，由于大量使用用户的私人敏感数据进行个性化推荐而导致...
2022-07-30 22:37:33
878
原创 基于对抗学习的隐私保护推荐算法
嘿，记得给“机器学习与推荐算法”添加星标协同过滤算法除了捕捉用户潜在的消费模式外，还会学习用户特定的人口统计学特征或受保护信息等特征，如性别、种族和地理位置位置。这些偏见（Bias）信息会进一步影响推荐系统（RS）的决策，使得推荐算法会提供给不同用户子群的内容进一步分离，这将引起对用户受保护属性泄露的隐私问题。通过观察下图，可以发现基本的推荐算法（MultVAE）存在性别...
2022-07-26 08:00:52
480
原创 KDD2022推荐系统论文集锦(附pdf下载)
嘿，记得给“机器学习与推荐算法”添加星标第28届SIGKDD会议将于8月14日至18日在华盛顿举行。据统计，今年共有1695篇有效投稿，其中254篇论文被接收，接收率为14.98%，相比KDD2021的接收率15.44%有所下降。其中，涉及到的推荐系统相关的论文共24篇（本次只整理了Research Track相关论文，对于Applied Data Science Tra...
2022-07-23 22:00:27
1135
原创 最新综述 | 图数据挖掘中的算法公平性
嘿，记得给“机器学习与推荐算法”添加星标作者：董钰舜单位：弗吉尼亚大学图数据挖掘算法已经在很多领域得到应用，但大多数图数据挖掘算法都没有考虑到算法的公平性。在本篇综述中，我们首先系统梳理了图数据挖掘领域内常见的算法公平性的定义和对应的量化指标。在此基础上，我们总结出了一个图数据挖掘算法公平性的分类法，并对现有提升公平性的方法进行了讨论。最后，我们整理了可以用于图数据挖掘中...
2022-07-20 22:00:34
748
原创 RecSys2022推荐系统论文集锦
嘿，记得给“机器学习与推荐算法”添加星标第16届推荐系统年会（ACM RecSys 2022）将于2022年9月18日-23日在美国西雅图举行，大会表明将以更加包容的方式通过线上与线下混合举办的形式允许更多的推荐系统研究人员与从业者参与其中。推荐系统年会侧重于探讨推荐系统研究过程中的新颖任务、关键挑战以及全新的观点，因此我们可以期待今年的会议都会收录哪些有意思或者有想法的...
2022-07-10 22:00:30
2027
原创 推荐系统相关资源介绍（书籍、代码、综述、教程等内容）
嘿，记得给“机器学习与推荐算法”添加星标本文整理了推荐系统相关的经典书籍、相关会议、Github仓库、顶会教程、综述论文、视频介绍以及论文笔记等内容。大家如果有觉得不错的资源也可以一起来完善他们~书籍Recommender Systems: The Textbook (2016, Charu Aggarwal)Recommender Systems Handbook 2n...
2022-07-05 08:00:50
680
原创 快手+中科大 | 全曝光推荐数据集KuaiRec 2.0版本
嘿，记得给“机器学习与推荐算法”添加星标作者：高崇铭单位：中国科学技术大学博士生，快手实习在沉淀了一段时间后，我们推出了数据集KuaiRec的2.0版本。这是由我们中科大何向南团队与快手社区科学部门联合推出的，用于推荐系统的一个全曝光数据集。这也是推荐系统学界以及业界首个包含百万量级交互的超密集曝光数据。数据集的详细信息可见官网文档：https://chongmingga...
2022-06-22 08:00:18
822
原创 上交最新深度元学习推荐算法综述
嘿，记得给“机器学习与推荐算法”添加星标近年来，基于深度神经网络的推荐系统作为信息过滤技术取得了巨大成功。然而，由于完全从零开始训练模型需要足够的数据，因此基于深度学习的推荐方法仍然面临着数据不足和计算效率低下的瓶颈。论文：https://arxiv.org/abs/2206.04415具体地，本文提出了一个分类方法，根据推荐场景、元学习技术和元知识表示法来讨论现有的方法...
2022-06-11 11:30:47
473
原创 SimpleX: 一个简单且有效的协同过滤框架
嘿，记得给“机器学习与推荐算法”添加星标今天跟大家分享一篇发表在CIKM2021会议上的关于协同过滤框架的论文，该论文总结了一个简单且有效的CF框架，并探索了不同的损失函数以及负采样比率对最终推荐结果的影响。论文：https://arxiv.org/abs/2109.12613 代码：https://github.com/xue-pai/TwinMatch/blob/ma...
2022-06-07 11:40:58
530
原创 WWW2022 | Recommendation Unlearning
嘿，记得给“机器学习与推荐算法”添加星标今天跟大家分享一篇利用机器遗忘学习（Machine Unlearning）来选择性的忘掉某些特定数据进而完成带有隐私保护功能的推荐系统的文章。该文章发表在WWW2022会议上，是第一篇解决机器遗忘问题的推荐系统工作。该文提出了一种通用的可擦除推荐框架RecEraser，其通过将全部训练数据集进行划分成若干份，然后在每份子数据集上单独...
2022-06-02 08:00:12
702
原创 SIGIR2022 | 基于Prompt的用户自选公平性推荐算法
嘿，记得给“机器学习与推荐算法”添加星标作者：吴贻清单位：中科院计算所推荐系统的公平性在近些年来越来越受到人们的重视。在真实世界中，用户往往会有着一些属性信息（例如年龄，性别，职业等），这些属性是推荐算法理解用户偏好的重要信息源。但是，有时用户可能并不希望推荐系统的结果受到这些用户属性的影响，产生一些有偏见的推荐结果。然而，有时过度追求推荐结果的公平性，可能会有损推荐效...
2022-05-25 08:00:54
652
原创 IJCAI2022推荐系统论文集锦
嘿，记得给“机器学习与推荐算法”添加星标第31届国际人工智能联合会议（International Joint Conference on Artificial Intelligence, 简称为IJCAI）是人工智能领域最顶级的国际学术会议之一，也是CCF-A类会议。今年的IJCAI将于2022年7月23-29日在奥地利维也纳举办。在今年的4535篇投稿论文中，有大约15...
2022-05-20 08:00:16
1497
原创 SIGIR2022 | UCCR: 以用户为中心的对话推荐系统
嘿，记得给“机器学习与推荐算法”添加星标作者：李硕凯单位：中科院计算所研究方向：对话推荐本文介绍被CCF A类会议SIGIR2022接收的以用户为中心的对话推荐系统的论文。该论文从推荐系统的角度重新审视了现有的对话推荐工作，发现现有方法关注于当前会话的自然语言理解，而忽略了推荐任务中最核心的目标：用户。现有方法本质上当前会话的建模，而忽略了用户建模。而本文发现用户历史...
2022-05-18 08:00:07
1039
原创 SIGIR2022 | SimGCL: 面向推荐系统的极简图对比学习方法
嘿，记得给“机器学习与推荐算法”添加星标今天跟大家分享一篇发表在SIGIR2022上的不需要进行图数据增强的对比学习方法来进行推荐的文章。该文首先通过实验揭示了在基于对比学习范式的推荐模型中，对比学习通过学习更统一的用户/项目表示来进行推荐，这可以隐式地缓解流行度偏差。同时，还揭示了过去被认为是必要的图增强操作在推荐领域只是起到了很小的作用。基于这一发现，该文提出了一种简...
2022-05-05 08:00:00
1184
原创 WWW2022 | 采用推荐系统打击虚假新闻
嘿，记得给“机器学习与推荐算法”添加星标本文所介绍被CCF A类会议WWW2022接收的题为《Veracity-aware and Event-driven Personalized News Recommendation for Fake News Mitigation》的论文。该论文所关注的问题是如何从个体用户的角度有效地减少假新闻（fake news）的传播。现有假...
2022-04-27 08:00:00
472
原创 WWW2022@教程 | 基于对比学习的推荐系统
嘿，记得给“机器学习与推荐算法”添加星标今天跟大家分享一个即将在WWW2022会议上进行基于对比学习的推荐系统的Tutorials，该教程来自于昆士兰大学团队。其首先对推荐系统的研究背景与发展历史进行简述，然后介绍了对比学习与基于对比学习的推荐系统的相关定义，随后总结了经典的数据增强技术，随后重点讲述了基于对比学习的推荐系统的分类，即对比式、生成式、预测式以及混合式，然后...
2022-04-26 08:00:00
485
原创 WWW2022 | 基于交叉成对排序的无偏推荐算法
嘿，记得给“机器学习与推荐算法”添加星标现有大多数推荐系统都是对观测到的交互数据进行优化，而这些数据受到之前曝光机制的影响，会表现出许多偏差，比如流行偏差。经常使用的基于pointwise的二元交叉熵和pairwise的贝叶斯个性化排序损失函数，并不是专门设计来考虑观测数据的偏差的。因此，对损失进行优化的模型仍然会存在数据偏差，甚至会放大数据偏差。例如，少数受欢迎的商品占...
2022-04-20 08:00:00
184
原创 论文周报 | 推荐系统领域最新研究进展
嘿，记得给“机器学习与推荐算法”添加星标本周精选了10篇最新推荐系统相关的论文，方向主要包括基于表示学习、联邦学习以及自动机器学习等的推荐算法，应用涵盖会话推荐、序列推荐以及组推荐等。为节省大家时间，只整理了论文标题以及摘要，如果感兴趣可移步原文精读。1. Single-shot Embedding Dimension Search in Recommender Syst...
2022-04-11 08:00:00
1079
原创 首篇自监督学习推荐系统综述: 150篇文献概述四大类方法(含开源算法库SELFRec)...
嘿，记得给“机器学习与推荐算法”添加星标今天跟大家分享一篇来自于昆士兰大学总结的基于自监督学习的推荐系统综述，该文章总结了150篇自监督推荐系统相关的文献。具体的，该文根据统一的范式概括了四大类方法，并提炼了三种训练范式。另外，还总结了三类数据的经典数据增强技术。最后该文提出了一个全新的自监督推荐系统开源库SELFREC，该库实现了超10种经典的自监督学习推荐算法。作者希...
2022-04-06 08:00:00
3751
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人