feature interaction | BriefGPT

关键词feature interaction

搜索结果 - 14

多尺度注意力变换器与亮度一致性损失的非均匀低光图像增强方法
提出了一种多尺度注意力变换器 (MSATr) 的非监督学习方法，以改善低光照下图像的质量，提取局部和全局特征来改善视觉效果，并通过多尺度窗口划分方案、全局变换器分支和循环训练策略来解决亮度不一致的问题。实验证明该方法优于现有的低光照图像增强
PDF6 months ago
Hiformer：基于 Transformer 的异构特征交互学习用于推荐系统
借助基于 Transformer 的体系结构和注意力层，自动捕捉特征交互，并通过引入异构自注意层和 extsc {Hiformer} 模型在工业中应用，解决了将 Transformer 体系结构应用于网络规模推荐系统的挑战，证实了 exts
PDF8 months ago
推荐系统中的分块特征交互
该研究提出了一种称为块状特征交互（BFI）的新方法，将特征交互过程分成较小的块，以显着降低内存占用和计算负担，并在四个变体（分别为 P、Q、T、S）中进行了实证比较，证明该算法可以显著减少计算开销和参数数量，而且具有与标准 DCNv2 近似
PDFa year ago
KDD面向在线营销的显式特征交互感知提升网络
本文提出了一种显式特征交互感知抬升网络（EFIN），旨在完全利用处理信息和挖掘对于特定处理敏感的特征，EFIN 包含四个自定义模块：特征编码模块，自交互模块，处理感知交互模块和干预约束模块。通过在两个公共数据集和一个产品数据集上的实验验证了
PDFa year ago
TabGSL: 表格数据预测的图结构学习
本文提出了一种利用图结构学习和图神经网络预测表格数据的新方法，通过提出的图对比学习模块、基于 Transformer 的特征提取器和图神经网络来同时学习实例相关性和特征交互，在 30 个基准表格数据集上的全面实验表明，TabGSL 明显优于
PDFa year ago
多模态多层次融合的三维单目标跟踪
提出 MMF-Track，一种多模态多级融合跟踪器，利用点云的几何和图像纹理特征跟踪 3D 目标，在 KITTI 上实现了最先进的性能表现，并在 NuScenes 上具有竞争力。
PDFa year ago
DELTA: 推荐系统中的直接嵌入增强和截断意识注意力利用
提出 DELTA 算法用于提高 CTR 预测准确率，通过意识截断模块和直接嵌入增强模块实现对关键特征交叉的强化，实验证明其在 CTR 任务中表现优异。
PDFa year ago
AAAIT2G-Former: 将表格特征组织成关系图可促进异构特征交互
本文提出了一种自动估计表格数据特征间关系的图估算器，根据所建立的关系图组织各独立特征并实现节点间的有序交互，进而进行表格学习。结合该方法，我们提出了一种基于 Transformer 网络的 T2G-Former，能够在不同层次上收集 T2G
PDF2 years ago
SIGIR使用上下文感知特征表示学习提高 CTR 预测
本文中提出的特征精炼网络 (FRNet) 可在不同上下文中学习以比特级为单位的特征表示，以提高 CTR 预测精度。FRNet 包括信息抽取单元 (IEU) 和互补选择门 (CSGate) 两个关键组成部分，能兼容现有的 CTR 方法，并通过
PDF2 years ago
基于变分堆叠局部注意力网络的多样化视频字幕生成
提出了一种基于 VSLAN 的视频字幕生成模型，该模型在编码器 - 解码器体系结构的基础上利用低秩双线性池化进行自我关注特征交互，并采用多特征流叠加的方式实现多样性编码，并实现了端到端的字幕生成，取得了较好的性能。
PDF2 years ago
ICLRCT-Net: 基于通道张量化的视频分类网络
本研究提出 Channel Tensorization Network (CT-Net)，通过将输入特征的通道维度视为 K 个子维度的乘积来分解卷积，从而轻量化计算量，有效增强不同通道的特征交互，并逐步扩大 3D receptive fie
PDF3 years ago
AAAI混合整数线性优化有序反事实解释
本研究提出一种基于特征交互的有序因果解释框架，通过混合整数线性优化方法寻找合适的特征交互顺序以提供实际决策中的应用。在真实数据集上的实验表明，与无序方法相比，该方法具有良好的效果。
PDF4 years ago
AAAI在线学习的投影二次回归
本文提出了一种投影二次回归（PQR）模型，它可以捕捉重要的二阶特征信息，是一个凸模型，可以实现 OCO 的要求并实现全局最优解，并且具有与线性模型相同的时间复杂度和空间复杂度。
PDF5 years ago
利用注意力网络学习特征交互权重的注意力分解机
本文提出了一种基于神经注意力网络的模型，命名为注意力分解机，该模型通过区分不同特征交互的重要性，通过学习数据来改进了因同等加权造成的效率下降的因素分解机，实验证明改进后的注意力分解机在回归任务中相对于因素分解机有 8.6% 的相对改善，而且
PDF7 years ago