data sparsity problem | BriefGPT

关键词data sparsity problem

搜索结果 - 10

异质图结构学习的多目标跨领域推荐算法
利用多个领域的信息来解决推荐系统中的数据稀疏问题是 CDR（跨领域推荐）的关键解决方案。本文提出了 HGDR（基于异构图的框架和解缠表示学习），这是一个端到端的异构网络架构，应用图卷积层来建模不同领域之间的关系，并利用解缠表示的思想来处理领
PDF3 days ago
OntoMedRec: 逻辑预训练的模型无关本体编码器用于药物推荐
本研究提出 OntoMedRec，基于医学本体的逻辑预训练和模型无关的药物推荐，解决了数据稀疏性问题，通过对基准数据集进行全面实验评估，结果表明 OntoMedRec 的整合可以提高整个电子病历数据集和少样本药物入院情况下各种模型的性能。
PDF5 months ago
利用上下文感知的自监督学习提升超边预测
这篇论文介绍了一种名为 CASH 的新型超边预测框架，通过上下文感知节点聚合和自监督对比学习来解决精确超边预测和减轻超边预测中的数据稀疏性问题，同时提出了超边感知增强方法来提高节点和超边的表示能力。
PDF10 months ago
交互式图卷积滤波
提出了一种名为 “交互图卷积过滤模型” 的新颖方法，通过扩展交互式协同过滤到图模型中，增强用户和物品之间的协同过滤性能，同时采用变分推断技术解决非线性模型的计算难题，以及采用贝叶斯元学习方法有效解决冷启动问题，并对该方法建立理论上的遗憾界限
PDF10 months ago
跨域推荐：挑战、进展和前景
本文综述了现有的跨领域推荐方法，包括挑战、研究进展和未来方向，把现有的跨领域推荐方法归纳为四类：单目标 CDR，多领域推荐，双目标 CDR 和多目标 CDR，并提出了全景分类和新的分类法，并详细报告了它们的研究进展。
PDF3 years ago
UPRec: 面向用户的推荐系统预训练
本文提出了一种名为 UPRec 的方法，通过构建自监督任务来利用用户属性和结构化社交图形，并将用户信息整合到预训练模型中，为用户提供更合适的推荐。
PDF3 years ago
EMNLP多域对话状态跟踪的高效上下文和模式融合网络
本文提出了一种基于内部和外部注意机制的上下文和架构融合网络来编码对话上下文和架构图，能够在 MultiWOZ 2.0 和 MultiWOZ 2.1 基准测试中获得最新的最佳性能的开放词汇 DST。
PDF4 years ago
利用评论和图片进行可解释推荐的 MMALFM 模型
通过使用多模态、面向方面的主题模型（MATM）和面向方面的潜因子模型（ALFM）来结合文本评论和物品图像与评分，解决了潜因子模型在推荐系统中存在的冷启动、非透明性和子优解等问题，并且在 Yelp 2017 挑战数据集和亚马逊产品数据集上实验
PDF6 years ago
EMNLP韩语语言处理的次字符架构
本文提出一种新颖的子字符架构，利用韩语的独特组合结构将每个字符分解为一小组基本音韵单元，称为 “jamo 字母”，从而诱导字符和单词级别的表征。 jamo 字母透露出难以通过传统的字符级单元访问的句法和语义信息。它们显著缓解了数据稀疏性问题
PDF7 years ago
多领域协同过滤
本文介绍了多向领域协同过滤问题，通过概率矩阵分解模型不仅考虑了数据稀疏性问题，还能在不同领域自适应地传递知识，实验表明其在实际应用中的有效性。
PDF12 years ago