- 动态用户细分与使用行为建模
本文提出了一种利用二元值向量映射到低维连续特征空间所得到的隐含类别作为协变量类进行聚类的策略,实现了在分类大数据上有效地进行聚类,以提供个性化推荐系统和商业智能决策支持。
- DADIN: 面向跨领域推荐系统的域对抗深度兴趣网络
提出了一种新颖的深度学习跨域 CTR 预测模型 ——“Domain Adversarial Deep Interest Network (DADIN)”,通过引入流派不可知层和特别设计的损失函数,联合两个域的分布对齐,通过对抗训练的方式同时 - SIGIRCOUPA:一种面向线上线下服务平台的工业推荐系统
提出了 COUPA,一种工业系统,旨在通过考虑时间和地点的偏好特征来解决 O2O 服务中可能出现的重复基于时间的模式和位置偏差问题,从而提高推荐的准确性,并在 Alipay 平台上展示良好的性能表现。
- 使用高斯机制的保护隐私矩阵分解推荐系统
提出一个基于差分隐私和矩阵分解的隐私保护推荐系统,通过高斯机制和输出扰动的方式实现差分隐私,采用 Rényi Differential Privacy 来紧密刻画隐私损失,能够在保证用户隐私的前提下有效地完成推荐任务。
- SIGIR可编辑用户个人资料用于可控文本推荐
该研究提出了一种基于概念价值瓶颈模型的可控文本推荐系统,将用户表示为人类可读的概念集,通过用户交互文档学习概念的个性化表示,并掌握控制推荐内容的能力,在离线和在线验证中证明其有效性,并进行用户研究以证明可提高推荐质量。
- MATURE-HEALTH: 必备功能选择的健康推荐系统
提出并实现了一种基于机器学习的健康推荐系统 MATURE Health,该系统通过使用最近的实验室结果和日常饮食摄入来预测必需电解质和血液中其他物质的失衡并推荐所需的营养物质,以防止或至少减少电解质失衡的风险(其中特别预测了钠,钾和尿素氮水 - 基于对抗变分自编码器预热的冷启动推荐
本文中提出了一种 Adversarial Variational Auto-encoder Warm-up 模型 (AVAEW),通过生成 warm-up item ID embedding 针对冷启动问题来提高推荐系统对新物品的推荐效果。
- AAAI用因果推断评估数字农业建议
本研究介绍了一个观察因果推断框架,以评估数字化工具对农场业绩指标的影响,提出了一种基于数字天气预报的棉花最佳播种时间推荐系统,并使用多种方法评估其对田地产量的提高,结果表明根据该系统推荐的播种时间,产量平均增加了 12% 至 17%。
- 利用因果推理评估可持续农业的数字工具
本文提出了一个观察因果推断的框架,用于对数字农业工具对目标农场绩效指标的影响进行实证评估,并就一个针对棉花播种的推荐系统进行了实证评估,结果表明其极大地提高了棉农产量。
- 机器学习在在线声誉系统中的应用
该研究提出一个新的基于机器学习的声誉系统,通过消费者个人资料的预测信誉度来计算产品声誉分数,该模型已在三个基准数据集上进行了评估,并与先前发布的评级聚合模型进行了比较。研究结果表明该方法可能是解决声誉系统问题的潜在解决方案,同时可与在线推荐 - MM使用深度强化学习进行自然语言处理注释的心理治疗治疗策略实时推荐
文章提出一个实时的推荐系统,用于心理治疗期间向治疗师建议治疗策略。系统通过计算评分清单深度嵌入的相似性得分与患者当前言语之间的相似性,预测治疗结果。系统自动将连续音频流转录并分成患者和治疗师的对话,实时推断他们的治疗工作联盟。对话及其计算的 - SVD-GCN:面向推荐的简化图卷积范式
通过对 Graph Convolutional Networks 在推荐系统中的应用进行研究,提出了一种名为 SVD-GCN 的简化 GCN 学习的范例,并通过该方法仅利用 K 个最大奇异向量来提高推荐系统的性能,大幅度缓解了平滑问题。实验 - 多层交互对比学习在知识感知推荐中的应用
本文提出了一种基于对比学习的知识感知推荐模型,结合了本地和非本地的知识图谱,并采用层级交互对比学习来提高推荐性能。
- MM确保新闻文章公正性的方法
本篇文章提出了一种名为 Dbias 的 Python 包,该包是一个经过训练的机器学习管道,可以检测新闻文章是否存在偏见并减少偏见。Dbias 利用数据科学最佳实践确保可行性和复现性,我们的实验结果表明,该管道在确保新闻公平性方面比常见的神 - 基于先验知识的监督个性化排序推荐
研究论文提出了一种新的监督个性化排序(SPR)损失函数,改进了常用的点级和对级损失函数的问题,通过利用先前的知识信息,构造 <用户、相似用户、正面项目、负面项目> 四元组,大大加快了收敛速度,提高了推荐性能。
- 基于序列的下一次购买预测推荐模型
本文介绍了一种基于顺序模型的推荐系统,它利用原始交易数据进行预测,并在生产数据集上测试,取得了 47% 的 MAP@1 度量,证明了其效果的可靠性和实用性。同时,本文还探讨了将该系统嵌入 Nexus 数字体验架构的可能性和潜在的市场应用价值 - 电子商务中带混合表征的通用用户和商品嵌入模型 (GUIM)
提出了一种 GUIM 模型,用于在混合表示的基础上构建通用的用户和产品项目嵌入,并利用对比学习技术 InfoNCE 避免运算量过大,提高表示的质量。同时,也提出了一组代表性的下游任务来评估该模型学习到的用户和 / 或项目嵌入的质量。
- SIGIR使用对抗训练来消除推荐系统中保护用户属性的影响
本研究通过在当前最先进的 MultVAE 结构中引入对抗训练,提出了一种新型保护用户隐私的推荐系统算法 Adv-MultVAE,该算法利用多项式似然函数去除隐私属性的影响,同时保持了推荐精度,并通过实验证明了 Adv-MultVAE 对多个 - 隐私保护的差分隐私子图级联图神经网络
提出了 DP-FedRec,一种基于差分隐私的联邦图神经网络,应用了私有集交集(PSI)技术实现子图扩展,保护客户隐私并解决非独立同分布数据问题,在保证客户隐私的同时取得了更好的性能表现。
- 基于用户会话约束的个性化会话推荐异构图神经网络
本文提出了一种利用多样化的注意力网络分析会话间关系,考虑用户信息生成会话表示和用户表示,从而实现改进推荐系统的效果的模型,并在多个真实数据集上取得了优异的性能。