South1999

摘要： #动机 本文是2020年KDD上的一篇论文。当时的工作已经有不少方法使用元学习来缓解推荐系统冷启动问题，它们大部分都是基于MAML的，这种方法通常是为所有冷启动用户(物品)生成一个初始化向量，然后让这些冷启动用户(物品)经过少量训练就可以快速收敛到一个不错的值。但是上述这种方法会导致部分用户局部收敛 阅读全文

摘要： #动机 本文是2017年SIGIR上的一篇论文，提出了经典的深度学习模型NFM，可用于推荐系统、计算广告、搜索引擎等领域。NFM全称为Neural Factorization Machines，很容易看出来它是FM和神经网络的结合，更具体的，它结合了FM中线性的二阶特征交互和神经网络中非线性的高阶特 阅读全文

摘要： #动机 本文是2016年谷歌团队提出的在YouTube上的推荐系统(YouTube算是谷歌的子公司，查之前我还奇怪为什么谷歌会研究YouTube的推荐系统)。在YouTube上做推荐有三个难点：1.规模大。YouTube上有非常多的视频和用户，许多在小规模数据集上运作很好的模型未必在YouTube上 阅读全文

摘要： #动机 本文是2019年AAAI上的一篇论文，提出了经典的深度学习推荐模型DIEN。之前的工作大多数是直接将用户的行为序列建模为用户的兴趣，没有具体为这些行为背后的潜在兴趣进行建模。本文提出的DIEN模型使用兴趣提取层和兴趣演变层更好地建模用户兴趣。DIN和DIEN都是阿里团队提出的模型，本文的DI 阅读全文

摘要： #动机 本文是2022年SIGIR的一篇论文。在推荐系统中，冷启动用户存在着与现有用户特征分布不同，行为少等问题，这导致推荐系统很难为这些冷启动用户提供优质的服务。目前的一些方法存在着不同的问题，例如MeLU未利用到用户与物品的id特征，MAMO未考虑到交互的顺序信息等。本文作者提出了一种模型来解决 阅读全文

摘要： #动机 本文是2018年阿里的一篇文章，提出了比较经典的深度学习推荐系统DIN。当时CTR预估模型大都遵循着Embedding&MLP范式，这种情况下用户表示通常被压缩为一个固定长度的向量，而不管广告是什么，这使得模型很难从用户丰富的历史交互信息中捕获用户不同的兴趣。作者针对上述问题提出了Deep 阅读全文

摘要： #动机 本文是2021年IJCAI上的一篇论文。之前有很多工作利用了元学习来解决推荐系统中的冷启动问题，其中比较有代表性的是MeLU，它学习全局用户的先验知识，冷启动用户可以通过全局用户的先验知识及少量的交互信息快速适应推荐系统。但是全局用户的先验知识不足以学习到用户的复杂行为，泛化性较差。针对以上 阅读全文

摘要： #动机 本文是2018年的一篇论文，提出了经典的模型xDeepFM。在当时，DNN通常学习特征在bit-wise上的隐式交互，而本文提出的CIN生成的是在一种显示并且是vector-wise上的特征交互。之前的论文DCN尝试过显示交叉高阶特征，但是DCN存在一定的问题，本文还将CIN和DNN网络结合 阅读全文

摘要： #动机 本文是2021年WWW上的一篇论文。之前解决推荐系统冷启动问题的工作大部分是通过辅助信息或是元学习，这两种方法都有一些缺点，前者不能保证每个应用场景都能获取足够且高质量的辅助信息，后者由于通常是建立在MAML框架上的，它假设不同用户的推荐是高度相关的，但是事实并非如此。本文提出了TaNP框架 阅读全文

摘要： #动机 本文是2016年的一篇文章，提出了经典的推荐模型PNN。传统的推荐模型例如LR、GBDT、FM等在挖掘高阶关系和学习到高质量特征表示受到限制，而当时的深度学习模型存在着不同的问题，例如FNN不是端到端训练的模型，同时不足以提取出多个field的交互特征，CCPM只能做邻域特征交叉，无法进行全 阅读全文