分享一些最新的论文阅读笔记
《Overcoming Data Sparsity in Group Recommendation》
目的:给一组用户进行推荐。
主要问题:怎样聚合个人的喜好来推断一个组的决策。
已有工作:传统的组推荐方法使用预先定义的聚合策略。
缺点:静态,不能建模复杂的组决策过程。
本文:利用二分图嵌入模型(建模组-项目之间的关系),自注意机制(解决用户-项目交互稀疏的问题,利用用户的社交网络增强用户的特征学习)和图卷积网络,学习组和用户的喜好。
背景:随着智能手机,社交网络服务的发展,人们很容易形成一个永久或者临时的组(比如家人一块看电视,朋友一块旅游)。因此需要组推荐系统。与永久的组不同的地方在于,临时的组是指一些偶尔一起做事的人,比如吃饭、看电影、参加聚会等,会面临冷启动问题。
《Dual Attention Model for Citation Recommendation》
目的:为学术论文推荐引文。
主要问题:引文推荐与topic有关,包括词语和被引文章的相关性和重要性,以及作者目前研究章节的目的。
已有工作:谷歌学术,dblp通过关键字查找。
缺点:没有考虑到关键字的上下文。
本文:为引文推荐提出了双注意模型,获得单词和被引文章相关性和重要性。两个注意机制:自注意&#