科研:文献阅读&论文复现
文章平均质量分 69
论文研读笔记,模型实现笔记
雪的期许
这个作者很懒,什么都没留下…
展开
-
综述:基于图学习的推荐系统;论文笔记
文章目录摘要1. 介绍1.1 图如何表达推荐任务?1.2 图学习对推荐系统有效吗?1.3 基于图学习的推荐系统符号化(Formalization)2. 数据特征和挑战2.1 一般交互数据2.2 时序交互信息2.3 侧面信息3. 推荐系统中的图学习方法3.1 随机游走方法3.2 图上embedding方法Graph Factorization based RS (GFRS)Graph Distributed Representation based RS (GDRRS)Graph Neural Embeddi原创 2021-07-13 16:26:10 · 2523 阅读 · 2 评论 -
ABAE算法笔记与pytorch实现《An Unsupervised Neural Attention Model for Aspect Extraction》
前言最近在实现模型时需要用到ABAE算法提取语句的aspect,记录一下。该算法在论文《An Unsupervised Neural Attention Model for Aspect Extraction》中被提出。有一篇文章写了比较详细的中文翻译:点击直达。这里是原文作者的代码,用theano和keras写的。然后我使用pytorch复现该代码。代码pytorch实现ABAE模型:https://github.com/iamwinter/UMPR(下载整个项目,然后直接运行ABAE.py即可)原创 2021-04-03 18:22:09 · 1069 阅读 · 6 评论 -
Attention机制在问答系统中的应用:QA-CNN,QA-biLSTM,AP-CNN和AP-biLSTM 参考论文Attentive Pooling Networks
文章目录摘要代码(Pytorch)经典问答系统模型简述基于attention机制的问答系统简述实验参数设定与实验结果摘要本文复现和整理了关于问答系统的4个经典模型:QA-CNN,QA-biLSTM,AP-CNN和AP-biLSTM。其中AP-CNN和AP-biLSTM是对前两种模型的改进,即引入了attention机制。主要参考论文《Attentive Pooling Networks》Co-attention机制是近年来新出现的处理序列信息匹配的机制。代码(Pytorch)https://git原创 2020-12-26 19:38:23 · 1026 阅读 · 5 评论 -
论文笔记+模型实现TransNets: Learning to Transform for Recommendation
TransNets: Learning to Transform for Recommendation论文中文讲解,使用pytorch1.60实现TransNets原创 2020-10-16 23:05:37 · 2513 阅读 · 1 评论 -
论文学习(DeepCoNN):Joint Deep Modeling of Users and Items Using Reviews for Recommendation
文论研读、翻译、模型复现:Joint Deep Modeling of Users and Items Using Reviews for Recommendation(DeepCoNN)原创 2020-10-04 22:54:47 · 2699 阅读 · 0 评论 -
论文(基于内容的推荐系统):GraphCAR: Content-aware Multimedia Recommendation with Graph Autoencoder
论文研读、翻译与模型实现:GraphCAR: Content-aware Multimedia Recommendation with Graph Autoencoder原创 2020-10-04 11:24:10 · 1311 阅读 · 5 评论