关键词content-based recommendation
搜索结果 - 5
- ACLTrNews: 新闻推荐的异构用户兴趣迁移学习
本研究提出了一种名为 TrNews 的模型，使用传输学习和表示映射的策略实现对未知用户的跨语料库新闻推荐，该模型在实现时取得了比各种基线模型更好的效果。
- 用长期和短期兴趣建模进行图神经新闻推荐
通过构建异质性图来显式地建模用户、新闻和潜在主题之间的交互，并利用图形神经网络和注意力机制的 LSTM 模型学习用户和新闻表示形式，从而在新闻推荐系统中扩展高阶结构信息。实验结果表明，该模型在新闻推荐方面显著优于现有的方法。
- SIGIR自我关注集成网络用于推荐
提出了一种 Self-Attentive Integration Network 方法，该方法能够有效地将用户 - 项目反馈信息与辅助信息相结合，以解决推荐系统中的冷启动问题，并且在两个公开数据集上实验结果表明该模型比最先进的模型表现更好。
- MM电商推荐系统中的连续冷启动问题
本研究揭示了来自典型电商应用视角的 “连续冷启动” 问题及其对于基于内容和上下文的推荐的影响，举例说明了在 Booking.com，类似用户很少访问网站，随时间改变兴趣，或表现出不同的个性的情况
- 协同过滤推荐系统中基于最优设计的预算限制冷启动处理
本研究通过解决冷启动问题来建立协同过滤（CF）的推荐系统，并通过将优化问题形式化为寻找内容不可用的新项目的最优用户评级的任务来研究是否可以仅使用 CF 技术来缓解此问题。我们提出了单调超模函数的目标函数，并提出一种基于高效最优设计的算法来找