随笔分类 -  推荐系统论文

摘要：一、摘要： 背景：会话组推荐系统的一个主要挑战是如何适当地利用群组成员之间的交互引起用户偏好，这可能会偏离用户的长期偏好。长期偏好和群组诱导的偏好之间的相对重要性应该根据具体的群组设置而变化。 本文：通过实验，结论：当群组讨论对群组成员的喜好没有影响时，长期偏好占有更大权重。而当群组上下文促使成员有 阅读全文

摘要：来源EDB2018 EDB 一、摘要： 组推荐是将一种项目（例如产品、服务）推荐给由多个成员组成的组的方法。 最小痛苦法（least Misery）是一种具有代表性的群体推荐方法，其能够推荐考虑群体不满意的项目，但存在推荐准确率低的缺点。 均值法推荐精度较高，但是不能考虑群体的不满意项目。 本文提出 阅读全文

摘要：1、摘要： 提出了一种新的深度强化学习框架的新闻推荐。由于新闻特征和用户喜好的动态特性，在线个性化新闻推荐是一个极具挑战性的问题。 虽然已经提出了一些在线推荐模型来解决新闻推荐的动态特性，但是这些方法主要存在三个问题：①只尝试模拟当前的奖励（eg：点击率）②很少考虑使用除了点击 / 不点击标签之外的 阅读全文

摘要：1、摘要： 提出一个Attentional FM，Attention模型+因子分解机，其通过Attention学习到特征交叉的权重。因为很显然不是所有的二阶特征交互的重要性都是一样的，如何通过机器自动的从中学习到这些重要性是这篇论文解决的最重要的问题， 比如：作者举了一个例子，在句子"US cont 阅读全文

摘要：1、摘要： 组推荐的一个挑战性问题：因为不同组的成员就有不同的偏好，如何平衡这些组员的偏好是一个难以解决的问题。 在本文中，作者提出了一个COM的概率模型来建立组活动生成过程。 直觉上： 一个组中的用户可能有不同的影响，在不同主题影响力不同，如对看电影有权威的用户在音乐上影响力可能低。 群体中的用户 阅读全文

摘要：1、摘要： 论文主要对群组推荐使用的方法进行调研。对群组推荐系统的用户偏好获取、群组发现、偏好融合算法、社会化组推荐以及效用评价等进行概括。 2、组推荐系统概述： （1）传统的推荐系统： 推荐过程主要分为用户偏好获取和推荐生成两部分。其目的是把特定的项目推荐给用户，使效用函数最大化。 从推荐模型的角 阅读全文

摘要：1、摘要： 采用attention和NCF结合解决群组偏好融合的问题。 贡献： 第一个使用神经网络学习融合策略的组推荐。 进一步整合用户-项目交互改进组推荐，减轻冷启动问题。 2、方法： 模型AGREE模型包括：1）组特征学习：成员融合+群组偏好；2）与NCF的交互学习 2.1 符号： n个用户：U 阅读全文

摘要：1、摘要： 本文将Attention-based模型和BPR模型结合对给定的群组进行推荐项目列表。 2、算法思想： 如图： attention-based model：【以下仅计算一个群组的偏好，多个群组计算过程一样】 ① 群组： 以上为n个子群组，来自于一个给定的群组，包含用户 { u1，u2，u 阅读全文

摘要：1、题目：一种新的基于深度学习的协同过滤推荐系统 2、摘要： 以协同过滤（CF）为基础的模型主要获取用户和项目的交互或者相关性。然而，现有的基于CF的方法只能掌握单一类型的关系，如RBM，它只能获取用户-用户或项目-项目关系的相关性，而矩阵分解（MF）可以捕捉到用户-项目之间的相互作用。 为了克服基 阅读全文