May, 2022

基于归一化流和结构一致性的哈希协同滤波器，用于高效推荐

PDF
TL;DR该论文介绍了一种新型的哈希协作过滤方法 (HCFRec)，通过引入标准化流并部署集群一致性保留机制等创新性方法，有效地加速了推荐系统，并比现有最先进的方法在实验中取得更好的效果和效率。
hash-cfhamming distancerecommendationsnormalized flowcluster consistency preserving mechanism
发现论文，激发创造
  • 超图对比协作过滤

    提出了一种新的自我监督推荐框架 HCCF，它利用超图增强交叉视角对比学习体系结构共同捕捉本地和全局协作关系，结合超图结构编码和自我监督学习来增强推荐系统的表示质量，并通过三个基准数据集的广泛实验证明了其优越性和稀疏用户交互数据的鲁棒性。

    Apr, 2022

  • 协同过滤的组合编码

    通过 Compositional Coding for Collaborative Filtering（CCCF）框架，作者提出了一种改进二进制编码协同过滤方法，将每个用户 / 项目表示为一组二进制向量，并将其与稀疏实值权重向量相关联，既提高了二进制代码的表示能力，又保证了其处理速度，进一步加速方法的推荐效率并提高其性能。

    May, 2019

  • 面向冷启动推荐的内容感知神经哈希

    本文提出了一种基于神经哈希的协作过滤方法（NeuHash-CF），它将自动编码器架构作为模型，并使用哈希码进行用户和物品的推荐，其中哈希码由内容获取，并在冷启动推荐中表现出最优性能。

    May, 2020

  • HRCF：通过双曲几何正则化增强协同过滤

    采用超空间正则化协同过滤提出一种基于超 bolic 几何的模型优化算法，能够增强模型区分能力并避免过分平滑问题，实验结果表明在公共基准测试中具有高度竞争性的表现并超越其他欧几里得和超球面模型。

    Apr, 2022

  • 基于分布式表示的混合推荐系统与短物品描述

    本文提出了一种基于文本向量表示的协作过滤算法，用于在获取商品评分困难的情况下进行推荐，并与现有的算法进行了对比验证其有效性。

    Mar, 2017

  • HICF: 双曲信息协作过滤

    本研究探讨了在超几何空间内，哪些用户产品可以有效推荐，设计了一种新的学习方法 HICF，针对尾部和头部物品推荐效果不佳的问题，通过改进超几何边际排序学习的过程，提供信息指导来明确推荐目标，并在大量实验中验证了该方法的有效性。

    Jul, 2022

  • Hete-CF: 使用异构关系的基于社交的协同过滤推荐算法

    本研究提出了一种使用不同类型关系方法的社交协同过滤算法，以提高推荐性能，并论证了其在多种异构信息网络中的有效性和高效性。

    Dec, 2014

  • 协同神经网络过滤器在推荐系统中的应用

    本文提出了一种 J-NCF 方法，旨在通过深度特征学习和深度交互建模优化协同推荐效果，实验验证了其在模型性能方面的表现。

    Jul, 2019

  • 神经图协同过滤

    本篇论文提出了一种新的推荐框架，名为神经图协同过滤 (NGCF)，它通过在用户 - 物品图上传递嵌入来利用用户物品图结构，并显式地将协同信号注入到嵌入过程中，以更好地捕捉协同过滤效果。在三个公共基准测试中进行了广泛的实验，表明 NGCF 相对于 HOP-Rec 和 Collaborative Memory Network 等几种最先进的模型具有显着的改进。

    May, 2019

  • 协同翻译度量学习

    本文介绍了 TransCF 推荐算法，通过利用邻域信息，利用翻译机制构造用户 - 项目特定的翻译向量，并根据用户与项目的关系把用户向项目进行翻译， 用于解决潜在用户 - 项目关系建模的难题，实验表明该算法在现实世界数据集上具有优异的推荐性能，超过了现有方法。

    Jun, 2019