Sep, 2019

Hotel2vec：使用自监督学习学习属性感知酒店嵌入

PDF
TL;DR论文提出了一种利用神经网络构建酒店向量表征的框架，该框架可以综合利用用户点击信息、酒店属性信息、设施信息以及地理信息来训练模型，生成可解释的表征，提高推荐系统的准确性以及其他应用的表现，并成功地解决了历史点击信息不足的问题。
neural networkhotelsuser clicksattributesrecommendation system
发现论文，激发创造
  • 利用领域自适应技术对酒店嵌入进行匹配，用于下一个项目推荐

    本研究基于 hotel2vec 模型，提出了一种简单的正则化方法，通过域自适应对不同品牌的酒店嵌入进行对齐，并探讨了在跨语言嵌入中使用的对齐方法。结果表明，该方法可以在两个品牌之间对齐两个嵌入空间，并在两个品牌中均实现良好的性能表现。此外，相对于单品牌训练，该方法可以显著减少训练时间并提高预测性能。

    Aug, 2021

  • 学习细粒度视觉描述的深度表示

    本文提出了使用神经语言模型来克服零 - shot 视觉识别中属性的局限性，并取得了在文本图像检索精度和零 - shot 分类准确率上的显著性提升。

    May, 2016

  • 属性化多层异构网络的表示学习

    本研究提出一个统一框架用于学习复杂网络的多种嵌入表示，包括不同属性节点和多样的边类型，支持基于图的归纳和转导学习，通过对四个数据集的系统评估，证明了该框架的有效性和效率以及在阿里巴巴公司推荐系统上的应用。

    May, 2019

  • Author2Vec：生成用户嵌入的框架

    本文提出了一种基于神经网络和 BERT 模型的用户嵌入系统 ——Author2Vec，其通过使用 BERT 模型中的句子嵌入技术，结合新颖的无监督预训练目标，即作者分类，以生成更好的用户嵌入表示。该系统在 Reddit 平台的 1 万个用户的文章数据上进行预训练，并在抑郁症与人格分类等两个用户分类基准中进行了分析和评估，结果表明其性能优于传统的基于计数和基于预测的方法。Author2Vec 成功地编码了有用的用户属性，并在下游分类任务中表现出良好的性能，无需进一步的微调。

    Mar, 2020

  • 学习鲁棒的视觉 - 语义嵌入

    该研究提出了一种基于无监督学习和深度神经网络的终端到终端学习框架，结合自编码器和最大均值差异损失来学习语义和视觉特征的联合嵌入，实现了跨域多模态表示的提取，并构建了更全面的标记和未标记数据的嵌入，帮助从归纳到传导的范围内解决零样本和少样本图像识别和检索等各种复杂任务。

    Mar, 2017

  • 解耦属性和物体的视觉嵌入

    本研究针对目标属性识别的组合式零样本学习问题，提出了一种新颖的体系结构，用于在视觉空间中区分属性和对象特征并使用视觉分解特征产生代表性的嵌入，旨在更好地正则化模型的学习，实验结果表明我们的方法在 MIT-States，UT-Zappos 和基于 VAW 的新基准上的性能显著优于现有工作。

    May, 2022

  • Urban2Vec：结合街景图像和兴趣点的多模态城市社区嵌入

    本文提出了一种无监督的 Urban2Vec 多模态框架，利用街景图像和兴趣点数据来学习社区嵌入，使得该模型在下游预测任务中取得了比基线模型更好的性能，并在三个美国大都市地区的广泛实验中展现了模型的可解释性、泛化能力和在社区相似性分析中的价值。

    Jan, 2020

  • 实体邻域信息和描述信息的联合表示学习方法研究

    通过结合实体邻居信息和描述信息的联合表示学习模型解决编程设计课程中知识图谱嵌入性能较差的问题，实验证明该模型在编程设计课程的知识图谱数据集上表现出优异的性能，超过其他基线模型。

    Sep, 2023

  • 通过用户关注和产品关注改进评论表示以进行情感分类

    本文提出了一种新的神经网络框架来编码用户和产品信息，并通过注意力机制将两种信息结合起来进行训练和预测，在 IMDB 和 Yelp 的数据集上显著优于其他最先进的方法。通过对用户或产品相关单词的注意力可视化，验证了对两种信息在情感分类中起着不同作用的观察结果。

    Jan, 2018

  • 属性识别的分层特征嵌入

    提出了一种基于层次化特征嵌入框架的属性识别方法，结合属性和 ID 信息学习细粒度特征嵌入，在同一属性和同一 ID 下收集更紧密的样本，通过 HFE 损失和附加正则化组件以及动态损失权重实现。在两个行人属性数据集和一个面部属性数据集上，实验表明我们的方法取得了最先进的结果。

    May, 2020