随笔分类 -  STUDY——推荐系统

论文笔记：Meta-Graph Based Recommendation Fusion over Heterogeneous Information Networks （KDD 2017）
摘要：研究动机 异构信息网络是推荐系统中重要的数据表示。异构信息网络的推荐系统常常面临2个问题：如何去表示推荐系统的高级语义，如何向推荐系统中融入异构信息。在这篇文章中，我们首先将meta-graph融入到HIN-based推荐系统中，然后利用”MF+FM“的方法求解信息融合问题。对于每个meta-gra 阅读全文
posted @ 2019-10-08 21:56 simpleknight 阅读(4263) 评论(0) 推荐(0)
论文笔记：CTRec: A Long-Short Demands Evolution Model for Continuous-Time Recommendation（SIGIR 2019）
摘要：研究动机 在电子商务中，人们的购买行为不仅仅取决于个人信息和兴趣偏好，新的需求与最近的购买行为，以及依赖于购买的周期性需求。我们称之为短期需求和长期需求。本文提出了一个新的模型CTRec来捕捉用户随时间变化的需求。为了让建立的模型对时间敏感，在模型中设计了一个Demand-aware Hawkes 阅读全文
posted @ 2019-10-08 21:54 simpleknight 阅读(1068) 评论(0) 推荐(0)
论文笔记：Learning from History and Present: Next-item Recommendation via Discriminatively Exploiting User Behaviors（KDD 2018）
摘要：摘要 最近基于session的推荐系统火热起来，但是大多数的工作没有考虑用户长期的稳定偏好和演变。这篇文章提出了一个novel Behavior-Intensive Neural Network（BINN）模型，该模型结合了用户的历史稳定偏好和当前的购买动机，来进行下一次推荐。该模型的两个主要部件分 阅读全文
posted @ 2019-09-18 22:27 simpleknight 阅读(1087) 评论(0) 推荐(0)
论文笔记：SAIN: Self-Attentive Integration Network for Recommendation（SIGIR 2019）
摘要：研究动机 为了解决冷启动问题,研究者们提出了基于内容的推荐系统,并通过融入辅助信息来进行缓解冷启动问题,但是大多数的模型,要么没有能力捕获复杂的特征关系,要么把用户-项目反馈信息与内容信息不合适的结合起来. 本文提出了Self-Attentive Integration Network (SAIN) 阅读全文
posted @ 2019-08-01 10:08 simpleknight 阅读(828) 评论(0) 推荐(0)
论文笔记：Neural Graph Collaborative Filtering（SIGIR 2019）
摘要：研究目标 学习user和item的向量表示是推荐系统的核心，但在从早期的矩阵分解，到现在的深度学习，都是利用已经存在的特征来进行embedding表示。本文认为，隐藏在user-item之间的编码信息无法在embedding编码的过程中表示出来，因此，由此产生的嵌入可能不足以捕获协作过滤效果。于是， 阅读全文
posted @ 2019-07-30 17:50 simpleknight 阅读(3607) 评论(1) 推荐(1)
TEM: Tree-enhanced Embedding Model for Explainable Recommendation
摘要：Summary 写完笔记之后最后填，概述文章的内容，以后查阅笔记的时候先看这一段。 Research Objective 现在的推荐系统虽然加入了很多的side information，但是他们的工作犹如一个黑盒子，不知道为什么要去推荐，作者通过利用基于树的方法提高推荐系统的可解释性 Problem 阅读全文
posted @ 2019-07-18 14:24 simpleknight 阅读(709) 评论(0) 推荐(0)