user-item interaction data | BriefGPT

关键词user-item interaction data

搜索结果 - 4

SIGIR用于推荐系统的图卷积嵌入
本篇论文介绍了一种针对用户和物品全新的上下文交互信号建模方法，通过构建多部分图来表示复杂的交互模式，并进一步使用图卷积网络（Graph Convolutional Networks）提高推荐系统的表现。
PDF3 years ago
SIGIR将本地和全局信息统一以进行 Top-N 推荐
该研究旨在提高推荐系统的效果，通过结合知识图谱中的全局信息和用户 - 物品交互数据中的局部信息，使用一个创新的 Duet 表示学习框架 KADM 来训练语义融合网络，成功地解决了现有的基于知识图谱的方法只关注图中结构信息的缺陷。
PDF4 years ago
深度检索：学习大规模推荐系统的可检索结构
本文中介绍了 Deep Retrieval (DR) 算法，通过学习可检索结构来获取最优推荐结果，其编码所有候选项入离散潜在空间，接着使用当前模型下的光束搜索来检索前置候选项，以实现重新排名。实验证明，使用 DR 算法，在两个公共数据集上能
PDF4 years ago
WWW通过对抗学习从用户 - 物品交互数据挖掘隐式实体偏好以完成知识图谱
本研究提出了一种基于用户交互数据的敌对学习方法，通过结合协同学习算法和图神经网络，有效地解决了知识图谱补全任务中数据异构性和语义复杂性问题。
PDF4 years ago