随笔分类 -  论文笔记

RA-Recommending What Video to Watch Next: A Multitask Ranking System
摘要：1.运用场景 CTR模型/多任务学习/视频推荐。 2.创新点 explored a variety of soft-parameter sharing techniques such as Multi-gate Mixture-of-Experts so as to efficiently opti 阅读全文
posted @ 2020-08-30 19:39 LuckPsyduck 阅读(230) 评论(0) 推荐(0)
RA-MMOE
摘要：1.运用场景 CTR模型/多任务学习。 2.创新点 propose a novel multi-task learning approach,multi-gate Mixture-of-Experts,which explicitly learns to model task relationshi 阅读全文
posted @ 2020-07-26 20:02 LuckPsyduck 阅读(287) 评论(0) 推荐(0)
RA-ESMM
摘要：1.运用场景 电商推荐/提高转化率。 2.创新点 modeling CVR directly over the entire space. employing a feature representation transfer learning strategy. 3.算法原理 3.1 网络框架 3 阅读全文
posted @ 2020-07-26 19:48 LuckPsyduck 阅读(191) 评论(0) 推荐(0)
RA-Category-Specific CNN for Visual-aware CTR Prediction at JD.com
摘要：1.运用场景 CTR模型/加入图像特征。 2.创新点 propose CSCNN,a novel visual embedding module specially for CTR prediction.The key idea is to conduct category-specific cha 阅读全文
posted @ 2020-06-27 09:16 LuckPsyduck 阅读(577) 评论(0) 推荐(0)
RA-EGES
摘要：1.运用场景 大规模商品推荐。 2.创新点 Based on years of practical experience in Taobao,we design an effective heuristic method to construct the item graph from the be 阅读全文
posted @ 2020-05-05 11:12 LuckPsyduck 阅读(287) 评论(0) 推荐(0)
RA-Deep Crossing
摘要：1.运用场景 Web scale modeling。 2.创新点 automatically combines features to produce superiors models. Residual Units. 3.算法原理 3.1 整体框架 3.2 Deep crossing "Deep 阅读全文
posted @ 2020-05-03 09:19 LuckPsyduck 阅读(180) 评论(0) 推荐(0)
KG-CKE
摘要：1.运用场景 各种推荐场景（电影、图书、新闻）。 2.创新点 leveraging structural content,textual content and visual content from the knowledge base for recommender systems. 3.算法原 阅读全文
posted @ 2020-04-09 16:43 LuckPsyduck 阅读(217) 评论(0) 推荐(0)
KG-MKR
摘要：1.运用场景 各种推荐场景（电影、图书、新闻）。 2.创新点 Multi task feature learning approach for Knowledge graph enhanced recommendation. 3.算法原理 3.1 整体框架 3.2 MKR "MKR论文" 4.算法理 阅读全文
posted @ 2020-04-08 11:12 LuckPsyduck 阅读(237) 评论(0) 推荐(0)
KG-RippleNet
摘要：1.运用场景 各种推荐场景（电影、图书、新闻） 2.创新点 首次将Embedding Based和Path Based的方法结合到基于知识图谱的推荐系统中； 提出RippleNet模型，这是利用知识图谱实现推荐系统端到端的框架，RippleNet通过在KG中偏好传播的方法，不断自发的发现用户的潜在层 阅读全文
posted @ 2020-04-07 15:13 LuckPsyduck 阅读(503) 评论(0) 推荐(0)
KG-DKN
摘要：1.运用场景 新闻推荐 2.创新点 基于内容的深度学习推荐模型，适合像新闻类具有高度时效性的推荐； 提出KCNN模块来联合学习新闻的语义层和知识层的表示； 用Attention模块对用户历史点击新闻对于当前候选新闻的影响程度进行建模。 3.算法原理 3.1 整体框架 3.2 DKN "DKN论文" 阅读全文
posted @ 2020-04-06 17:00 LuckPsyduck 阅读(198) 评论(0) 推荐(0)
CV-MTCNN
摘要：1.运用场景 人脸检测/特征点定位。 2.创新点 propose a deep cascaded multi task framework which exploits the inherent correction between them to boost up their performanc 阅读全文
posted @ 2020-04-01 09:22 LuckPsyduck 阅读(170) 评论(0) 推荐(0)
CV-AttentionCluster
摘要：1.运用场景 视频特征提取/视频分类/场景识别。 2.创新点 propose a local feature integration framework based on attention clusters; introduce a shifting operation to capture mo 阅读全文
posted @ 2020-03-31 15:48 LuckPsyduck 阅读(442) 评论(0) 推荐(0)
CV-MEE
摘要：1.运用场景 用于文本 图像特征学习，共建语义空间。 2.创新点 learning a joint text video embedding called Mixture of Embedding Experts(MEE); the model is designed to handle missi 阅读全文
posted @ 2020-03-31 15:33 LuckPsyduck 阅读(226) 评论(0) 推荐(0)
CV-VLAD
摘要：1.运用场景 图像特征压缩、图像特征提取。 2.创新点 将局部图像描述变成一个低维向量，可以被简单的视为Fisher kernel representation; the dimensionality reduction of these vectors; the indexing algorith 阅读全文
posted @ 2020-03-31 15:20 LuckPsyduck 阅读(213) 评论(0) 推荐(0)
CV-NeXtVLAD
摘要：1.运用场景 用于短视频分类及视频特征提取。 2.创新点 聚合视频帧级别图像特征； 减少NetVLAD网络参数。 3.算法原理 3.1 网络框架 3.2 NeXtVLAD "NeXtVLAD论文" 4.算法理解   NeXtVLAD与NetVLAD类似，也是一种图像特征编码，可以用于很好的 阅读全文
posted @ 2020-03-31 14:46 LuckPsyduck 阅读(793) 评论(0) 推荐(0)
CV-NetVLAD
摘要：1.运用场景 用于大规模视觉场景识别，即给定一个地标图像，准确识别图像位置。 2.创新点 提出端到端训练的卷积网络用于场景识别任务，使用VLAD层用于图像召回； 提出弱监督排序损失。 3.算法原理 3.1 整体网络结构 3.2 NetVLAD "NetVLAD论文" 4.算法理解   Ne 阅读全文
posted @ 2020-03-31 10:43 LuckPsyduck 阅读(642) 评论(0) 推荐(0)