一个简单的卷积生成网络用于下一个物品推荐

Aug, 2018

一个简单的卷积生成网络用于下一个物品推荐

A Simple Convolutional Generative Network for Next Item Recommendation

Fajie Yuan, Alexandros Karatzoglou, Ioannis Arapakis, Joemon M Jose, Xiangnan He

TL;DR本文研究了基于会话的下一个项目推荐，发现现有的生成模型和网络结构无法很好地建模项序列中的长距离依赖关系，因此提出了一种简单而有效的生成模型，用于学习从短时至长时的项目依赖的高级表示。文中提出的模型的网络结构由一堆突出卷积层（可以有效地增加感受野而不依赖于池化操作）组成，并在推荐系统中采用残差块结构，以便更深的网络优化。该模型在下一个项目推荐任务中具有最先进的准确性，训练时间较短，尤其是在存在长序列用户反馈的情况下表现出色。

Abstract

convolutional neural networks (CNNs) have been recently introduced in the domain of session-based next item recommendation. An ordered collection of past items the user has interacted with in a session (or sequence) are embedded into a 2-dimensional latent matrix, and treated as an ima

convolutional neural networks session-based recommendation generative model long-range dependencies recommender systems

发现论文，激发创造

$gen$CNN: 用于单词序列预测的卷积架构

提出一种名为 genCNN 的卷积神经网络架构，用于单词序列预测，并在机器翻译的文本生成和 n-best re-ranking 方面实现了比现有技术更好的性能表现。

Mar, 2015

通过卷积序列嵌入进行个性化 Top-N 顺序推荐

本文介绍了一种卷积序列嵌入推荐模型（Caser），它使用卷积过滤器将一系列最近的物品嵌入到时间和潜在空间中的 “图像” 中，并学习局部特征作为连续模式，这种方法为捕获一般偏好和连续模式提供了统一和灵活的网络结构。实验显示，Caser 在各种常见评估指标上始终优于最先进的连续推荐方法。

Sep, 2018

卷积神经网络生成点击率预测特征

本文介绍了一种基于卷积神经网络的特征生成模型（FGCNN），旨在通过将局部模式结合来生成新特征，以提高深度学习模型中点击率预测的性能。实验结果表明，FGCNN 显著优于九种最先进的模型，并表明当使用某些最先进的模型作为深度分类器时，总是可以获得更好的性能。

Apr, 2019

用于动态推荐系统的分层时间卷积网络

本研究提出了一种使用 Hierarchical Temporal Convolutional Networks (HierTCN) 的推荐系统，以动态预测用户将选择的下一个物品，该模型由两个级别的模型组成，可用于拥有大量用户和物品的 Web 规模系统，并可以超越动态推荐方法的最新水平。

Apr, 2019

用于长短期顺序推荐的循环神经网络

本篇研究探讨了 RNN 模型在短期和长期的推荐任务中的表现，发现堆叠的带有层归一化和相同物品嵌入的 RNN 模型表现最佳，能够准确预测用户的短期和长期交互。

Jul, 2018

使用递归神经网络进行推荐的上下文序列建模

我们提出了一种新的上下文递归神经网络，可以在输入和输出层中考虑相关信息，将上下文嵌入与项目嵌入相结合，并在模型动态性中将隐藏单元转换参数化为上下文信息的函数，从而在下一事件预测任务上显示出良好的提高效果。

Jun, 2017

用于推荐系统的图卷积嵌入

本篇论文介绍了一种针对用户和物品全新的上下文交互信号建模方法，通过构建多部分图来表示复杂的交互模式，并进一步使用图卷积网络（Graph Convolutional Networks）提高推荐系统的表现。

Mar, 2021

任务驱动的卷积循环视觉系统模型

通过引入前馈卷积神经网络与反馈式局部循环连接设计，提高图像识别准确性，更加贴近灵长类动物视觉系统的神经活动，为当代物体识别任务的研究提供了新的思路。

Jun, 2018

基于神经网络的下一首歌曲推荐

本文提出一种基于神经网络的下一首歌曲推荐系统 CNN-rec，并与其他神经网络和传统推荐系统在下一首歌曲推荐任务上进行比较，验证结果表明该系统优于传统系统并具有与最先进系统相当的性能表现。

Jun, 2016

超越短片段：用于视频分类的深度网络

本论文提出和评估了几个深度神经网络架构，用于对比以往更长时间段内视频图像信息的组合。通过一些新的方法，包括卷积时间特征池化和循环神经网络结构，该论文指出最佳神经网络在 Sports 1 million 数据集（73.1％对 60.9％）和 UCF-101 数据集中（88.6％对 88.0％）及无附加光流信息（82.6％对 72.8％）上明显性能提高。

Mar, 2015