关键词user-item interactions
搜索结果 - 24
- 序列感知推荐系统
本文提出了基于顺序的用户 - 项目交互日志信息来作出推荐的顺序感知推荐系统,并且探讨了现有的算法解决方案、方法论和该领域内的开放挑战。
- 基于翻译的推荐系统
本文提出了一种名为 TransRec 的方法,它可以将用户和项目之间以及项目之间的复杂交互建模,用于预测用户的个性化顺序行为,通过将项目嵌入到 “转换空间” 中,并使用用户来操作项目序列的翻译向量,以便捕捉第三阶交互关系。在广泛的真实世界数 - 使用递归神经网络进行推荐的上下文序列建模
我们提出了一种新的上下文递归神经网络,可以在输入和输出层中考虑相关信息,将上下文嵌入与项目嵌入相结合,并在模型动态性中将隐藏单元转换参数化为上下文信息的函数,从而在下一事件预测任务上显示出良好的提高效果。
- KDD神经网络协同过滤的采样策略
本论文提出了一种基于神经网络的推荐框架,该框架可以包含用户 - 物品交互信息和多种内容信息,提出了三种新的采样策略来改善框架的训练效率和推荐性能,并对计算成本和收敛性进行了理论分析。