摘要：
1 概述 这是一篇发表在ICDM 2020的文章，代码已开源。论文主要研究如何使用动态的图结构表示的协同信息生成用户和物品的向量，然后用于后续的推荐。 文章指出，在真实的推荐场景，用户的兴趣是随时间不断变化的。然而，基于序列的模型无法直接使用用户和物品的系统信息。比如，这些模型主要是在建模物品之间的 阅读全文
摘要：
这篇文章刚被ICLR2021接收，代码开源。主要研究在推荐系统中如何减少Embedding的大小。 基于embedding的表示学习范式通常被应用于深度推荐模型中，传统的模型为每个特征分配相同的embedding size。然而，这种方式面临两个问题： 导致embedding table特别大，消耗 阅读全文
摘要：
论文：《MZNT: Memory Augmented Zero Shot Fine grained Named Entity Typing》 一、概述 命名实体分类(Named entity typing, NET)旨在推断文本中实体指称的语义类型。比如给定句子"John plays piano o 阅读全文
摘要：
论文：《DPGN: Distribution Propagation Graph Network for Few shot Learning》，CVPR2020 代码：https://github.com/megvii research/DPGN 一、概述 在给定少量标注数据(support集)的情 阅读全文
摘要：
论文：《Enhancing VAEs for Collaborative Filtering: Flexible Priors & Gating Mechanisms》，RecSys2019 代码：https://github.com/psywaves/EVCF 一、概述 目前出现了很多将深度学习与 阅读全文
摘要：
论文：《Memory based Graph Networks》，ICLR2020 代码：https://github.com/amirkhas/GraphMemoryNet 概述 图神经网络(GNNs)是一类深度模型，可处理任意拓扑结构的数据。比如社交网络、知识图谱、分子结构等。GNNs通常被用来 阅读全文
摘要：
论文信息： "论文" 概述 多类别分类要为每个样本分配一个标签，其中标签类别多于两个。比如对于一条微博，如果要对其主题分类，类别标签可能有娱乐、体育、军事、教育等。 现有的文本分类方法主要使用神经网络。一般在最后一层使用Softmax计算文本属于每个类别的概率。但是这种方法独立地考虑每个类别，忽略了 阅读全文
摘要：
论文信息： "论文" ， "代码" 概述 随着深度学习的发展，许多大型的神经网络被提出并且获得了非常好的效果。尤其在NLP领域，预训练加微调几乎已经成为了一种新的范式。超大的参数量使得这些模型所向披靡，但同样也使得它们需要消耗大量计算资源。 有一系列模型压缩的方法被提出以解决这个问题，其中最著名的就 阅读全文
摘要：
论文信息： "论文" ， "代码" ，Knowledge Based Systems 2018. 概述 传统的情感分析方法主要用于对文本的情感极性（例如，积极，消极和中立）或情感类别（例如，喜怒哀乐）进行分类。但是，这些方法都是粗粒度的，可能会忽略不同文本之间的细微情感差异。为了解决这个问题，研究者 阅读全文
摘要：
论文信息： "论文" ，EMNLP2019 概述 上下文感知词嵌入已经被成功应用于命名实体识别、文档分类等NLP任务。其中多语言版BERT也基于XNLI数据集(Conneau et al., 2018)在“zero shot”或者“zero resource”的跨语言分类任务中展示了强大能力。这里所 阅读全文