- 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。
- 农民助手:基于机器学习的农业解决方案应用
开发了一个易于使用的网络应用程序,以解决种植作物面临的问题,其中包括作物推荐、肥料推荐、植物病害预测和交互式新闻提要,同时应用解释性技术解释病害检测模型的预测。
- 利用高速网络的科学论文多任务推荐系统
本论文提出了一种基于深度学习的多任务推荐系统,用于从科学论文中提取关键信息,包括关键字、作者以及推荐评分等。系统采用 RNN、Highway 和 CNN 等多种深度学习技术,以端到端的方式学习上下文语义,解决冷启动等问题。
- IA-GCN: 交互图卷积网络用于推荐
本文提出 InterActive GCN,针对已有的基于 GCN 的协同过滤推荐系统采用相同的聚合方式从用户邻域中学习用户的表示,从而忽略了用户 - 项目对之间的交互特征。新模型在用户 - 项目对之间构建双边交互指导,提供了交互和可解释的特 - VRKG4Rec:基于虚拟关系知识图谱的推荐系统
本文提出了一种 VRKG4Rec 模型,该模型能够明确地区分不同关系对于项表示学习的影响,并采用本地加权平滑机制对节点进行编码,同时使用这种机制在用户 - 物品二分图上进行用户表示学习,旨在改善推荐系统的性能,实验结果表明该模型优于现有的最 - 学习压缩嵌入,为设备内推理提供支持
提出一种新型的多嵌入压缩方法 MEmCom,利用哈希和可训练权重分别构建两个嵌入表来同时实现对嵌入表的压缩和各实体对应独特嵌入的映射,该方法在多个问题类别上超过现有技术,并在压缩嵌入大小的同时实现与非压缩嵌入相近的区分能力。
- 利用印度古典音乐中的 Raga-Rasa 协会的双采样方法对音乐情绪进行分类
研究印度古典音乐中,不同的 raga 如何引发听众的不同情绪,探索了一种利用 raga-rasa 相关性的新型框架,结合音频信号处理和机器学习技术,构建了智能分类器以及基于用户当前情绪和所期望的情绪的音乐推荐系统。
- 元知识图谱上的元学习用于冷启动推荐
本文提出了一种基于元学习方法的知识图谱推荐模型 MetaKG,通过协作感知元学习和知识感知元学习解决了冷启动问题,并通过实验表明 MetaKG 在效果、效率和可扩展性等方面超过现有的模型。
- 利用无记忆试验开发客户终身价值
本文提出了一种解决 LTV 模型困难的通用方法,基于动态规划求解,可应用于不同服务场景,实验结果验证其有效性,应用于大型电商移动应用程序中,LTV 增长了 10%。
- WWW异构推荐的深度统一表示
该论文提出了一种基于内核的神经网络,即深度统一表示 (DURation),用于异构推荐,通过联合建模异构项目的统一表示来解决数据稀疏性问题,并在现实世界数据集上进行了广泛的实验,表明该模型比现有的最先进模型具有显着的提升。
- KDDVizAI: 选择准确的数值数据可视化
本文介绍了一种名为 VizAI 的生成 - 判别框架,该框架首先从多种数据可视化中生成数据的各种统计属性,并与判别模型相连,以选择最匹配被可视化的数据真实统计数据的可视化方式。使用众包判断和大量公开可用的可视化,我们证明 VizAI 优于学 - 基于注意力、知识和协作指导的个性化推荐图卷积网络
通过引入知识图谱的图卷积神经网络模型加入历史交互数据,再通过协作引导机制提取知识图谱信息实现个性化推荐,实验证明该模型在 Top-K 推荐任务中的召回率指标显著高于现有最新模型。
- WWWDGCN: 基于图卷积网络的推荐系统多样化策略研究
本文利用图卷积网络优化了推荐系统,将推荐候选项的多样性缩放到候选项生成阶段,并提出了重新平衡邻居发现、类别提升负采样和对抗学习等技术以改善多样性问题。对实际数据进行的广泛实验表明该方法的有效性,并证实该方法显著缓解了准确性和多样性之间的困境 - SIGIR利用 Transformer 模型预测电商商品尺寸
本文提出了一个利用 Transformers 来预测商品适合买家尺寸的新型深度学习框架 PreSizE,通过集成商品属性和买家购买历史等内容来有效解决冷启动和买家数据不足等问题,与现有的基线模型相比,证明了 PreSizE 有着更优秀的预测 - MM基于披萨偏好推荐汉堡:用专家乘积解决数据稀疏问题
本文提出了一种利用多领域用户项交互来处理数据稀疏性和创建推荐的方法,并构建了 POE 架构用于跨领域情形,实现了普适的个性化推荐,实验证明,这种基于多领域深度学习的方法取得了优异的推荐效果。
- ACL使用 TF-IDF 标签集匹配扩展神经关键字提取
本文介绍了一种基于神经网络等新方法提取关键词的技术,在欧洲新闻媒体产业中的应用展示出了相当不错的实用效果。
- 为冷启动用户和物品预训练图神经网络的表示
通过预训练 Graph Neural Networks 模型来解决冷启动问题,采用元聚合器和自适应邻居采样器来增强图卷积的聚合能力和选择有效邻居,实验结果表明在用户 / 项目嵌入推断和推荐任务方面优于原始的 GNN 模型。
- WSDM多交互注意力网络用于 CTR 预测中细粒度特征学习
通过提出一种 Multi-Interactive Attention Network (MIAN) 方法,结合多种精细特征以及性别、年龄、职业等用户个人信息,从多个方面综合提取用户偏好,同时设计全局交互模块 (GIM) 学习高阶交互和平衡多 - KDDTable2Charts: 通过学习共享表格表示推荐图表
本文介绍了一个名为 Table2Charts 的框架,通过深度 Q 学习和启发式搜索实现了表格数据到图表的自动生成,它能够在考虑数据分布和表格上下文信息的情况下推荐生成符合数据特点的图表,并在 165k 表格和 266k 图表的大型数据集上 - 异构视角下的 MOOC 知识概念推荐 - 注意力图卷积网络
本篇研究提出了一种基于 Attentional Heterogeneous Graph Convolutional Deep Knowledge Recommender (ACKRec) 的方法来解决 MOOC 中的知识概念推荐问题,并使用