感想最近看了一篇基于深度学习的推荐系统的综述，这个综述还是蛮新的，论文上显示的时间一
原创
2022-08-12 08:34:45
279阅读
感想篇幅有限，这是接着上面的续篇，let's continue4.2 基于Autoencoder的推荐系统现
原创
2022-08-12 08:35:51
300阅读
感想这篇综述有点长，整整三十五页，我也花了很长时间读完，那么我现在也会不遗余力的写完，l
原创
2022-08-12 08:36:41
413阅读
该论文提出了一个称为KBRD的框架，它是一个基于知识图谱的推荐对话系统。 首先需要做的就是知识图谱的实体链接，论文中使用到了DBpedia，将对话中出现的items以及non-item entities与DBpedia中的实体链接起来。通过知识图谱，我们也许可以发现这些non-items的内容可能与
转载
2020-10-30 20:51:00
300阅读
2评论
我想站在大神肩膀上...貌似是计算所的一个小伙伴... 总结的很好，看得出来有一定的功底.... 不过对于自己看过了的东西，就不愿意再翻看第二遍了。恰好这本书和项亮那本很像，就直接看这本书了。顺便记记笔记，贴到这里，供更多人参考。一. 协同过滤的推荐 基本思想：用户在过去有相同的偏好，e....
转载
2015-05-13 23:24:00
71阅读
2评论
TLDR: 本文提出一种新的生成式检索推荐系统范式TIGER。当前基于大规模检索模型的现代推荐系统，一般由两个阶段的流程实现：
原创
2024-04-11 14:58:06
163阅读
Reference: https://towardsdatascience.com/deep-dive-into-netflixs-...
转载
2021-04-30 08:57:00
634阅读
2评论
第一部分是学习ID3时候积累的。一.以前写的基础知识 1.信息：是用来消除不确定性的度量，信息量的大小，由所消除的不确定性的大小来计量（香农）。 2.由于不确定性是由随机性引起的，所以用概率来描述和计量；熵entropy：源于热力学，是分子混乱程度的度量。 3.X(离散型随机变量)的熵H(...
转载
2015-05-14 23:06:00
291阅读
2评论
本文档为TensorFlow参考文档，已得到TensorFlow中文社区授权。共享变量你可以在怎么使用变量中所描述的方式来创建，初始化，保存及加载单一的变量.但是当创建复杂的模块时，通常你需要共享大量变量集并且如果你还想在同一个地方初始化这所有的变量,我们又该怎么做呢.本教程就是演示如何使用tf.variable_scope() 和tf.get_variable()两个方法来实现这一点.
参考文献： [1] Overview of Recommender Algorithms – Part 1 [2] Overview of Recommender Algorithms – Part 2
原创
2022-08-08 10:28:56
143阅读
前两章的协同过滤和就内容的推荐都建立在“大量数据”的基础上，运用概率方法来进行计算和预测。不过，在现实生活中，有些物品，如：汽车、房屋、计算机，用户不会频繁的消费。如何在这种情况下对用户进行推荐？ 这种case，在现实生活中很常见的就是在淘宝上面用general的query来搜索一些大宗物品，...
转载
2015-05-23 00:22:00
42阅读
2评论
基于内容的推荐的基本推荐思路是：用户喜欢幻想小说，这本书是幻想小说，则用户有可能喜欢这本小说 两方面要求：（1）知道用户的喜好；（2）知道物品的属性 基于内容的推荐相比协同过滤方法（个人观点）：协同过滤用到了大量用户的群体行为特征，两个特点，（1）要大量用户，（2）除了用户的行为之外，不需要...
转载
2015-05-19 23:19:00
236阅读
2评论
ABSTRACT 建模用户兴趣在推荐系统中至关重要。在文章中，作者提出了一种新的用户兴趣表示模型。具体来说，该模型的关键新颖之处在于它将用户兴趣明确地建模为超长方体而不是空间中的一个点。在这个方法中，推荐分数是通过计算用户超长方体和项目之间的组合距离来学习的。这有助于减轻现有协同过滤方法潜在的几何不 ...
转载
2021-08-05 20:15:00
166阅读
2评论
ABSTRACT 建模用户兴趣在推荐系统中至关重要。在文章中，作者提出了一种新的用户兴趣表示模型。具体来说，该模型的关键新颖之处在于它将用户兴趣明确地建模为超长方体而不是空间中的一个点。在这个方法中，推荐分数是通过计算用户超长方体和项目之间的组合距离来学习的。这有助于减轻现有协同过滤方法潜在的几何不 ...
转载
2021-08-05 20:15:00
67阅读
2评论
推荐系统( ( Recommender Systems) )问题形式化Problem Formulation从一个例子开始定义推荐系统的问题。假使我们是一个电影供应商，我们有 5 部电影和 4 个用户，我们要求用户为电影打分。前三部电影是爱情片，后两部则是动作片，我们可以看出 Alice 和 Bob 似乎更倾向与爱情片， 而 Carol 和 Dave 似乎更倾向与动作片。并且没有一个用户给所有的电影都打过分。我们希望构建一个算法来预测他们每个人可能会给他们没看过的电影打多少分，并以此作为推荐的
原创
2022-03-04 17:05:38
57阅读
推荐系统( ( Recommender Systems) )问题形式化Problem Formulation从一个例子开始定义推荐系统的问题。假使我们是一个电影供应商，我们有 5 部电影和 4 个用户，我们要求用户为电影打分。前三部电影是爱情片，后两部则是动作片，我们可以看出 Alice 和 Bob 似乎更倾向与爱情片， 而 Carol 和 Dave 似乎更倾向与动作片。并且没有一个用户给所有的电影都打过分。我们希望构建一个算法来预测他们每个人可能会给他们没看过的电影打多少分，并以此作为推荐的
原创
2021-07-27 15:59:45
141阅读
2016的paper 利用知识库中的异构信息来提高推荐系统质量。主要贡献是在推荐系统中引入了结构信息、文本数据、图像数据等知识库中的信息来提升推荐系统的质量。 论文是基于什么问题提出来的？ CF(协同过滤)方法由于user-item矩阵的稀疏性，效果受限。 论文提出了什么方法 使用辅助信息提高性能。 ...
转载
2021-08-26 17:00:00
1514阅读
2评论
1.知识图谱嵌入的基本过程，为什么难以直观有效表达项目间的关系 1.1基本过程（知识图谱嵌入） 构建三元组: 将知识图谱表示为(头实体h, 关系r, 尾实体t)集合。 向量化建模: 为每个实体、关系分配可学习的向量/矩阵，常见范式如TransE(h+r≈t)、DistMult、ComplEx、Rot ...
