福州大学软工1917 | A 班 (福州大学)

打开零回复博文 |
筛选 : 全部
零回复博文 仅作业博文 老师 / 助教 学生 全部

  • 水果管理系统

    1. 概述 水果管理系统是最简单的一个javaWeb项目，主要对水果表进行增删改查。 页面上有添加水果按钮，点击后可以跳转到添加页面，添加水果（增） 有关键字查询，在页面上输入关键字，可以按照关键字检索，没有关键字就默认全部，页面展示了查询出来的数据（查） 数据名称有一个链接，点击后可以到编辑页面，
    run_around   2022-08-20 09:46   0   277

  • Meta-learning on Heterogeneous Information Networks for Cold-start Recommendation阅读笔记

    #动机 本文是2020年KDD上的一篇论文。当时解决推荐系统冷启动问题通常是通过更多的辅助信息作为用户和物品的特征，最近的一些工作通过异构信息网络捕获更丰富的语义信息。另一种方法是通过元学习，让新用户或新物品快速适应推荐系统。作者根据以上两点提出了本文的模型MetaHIN，利用元学习解决在HIN上的
    South1999   2022-08-19 18:04   0   109

  • MAMO: Memory-Augmented Meta-Optimization for Cold-start Recommendation阅读笔记

    #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
    South1999   2022-08-11 22:45   0   148

  • Neural Factorization Machines for Sparse Predictive Analytics阅读笔记

    #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
    South1999   2022-08-08 23:11   0   34

  • Deep Neural Networks for YouTube Recommendations阅读笔记

    #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
    South1999   2022-08-07 22:38   0   45

  • Deep Interest Evolution Network for Click-Through Rate Prediction阅读笔记

    #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
    South1999   2022-08-01 22:50   0   37

  • Transform Cold-Start Users into Warm via Fused Behaviors in Large-Scale Recommendation阅读笔记

    #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
    South1999   2022-07-27 21:19   0   358

  • Deep Interest Network for Click-Through Rate Prediction阅读笔记

    #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
    South1999   2022-07-25 11:03   0   89

  • Preference-Adaptive Meta-Learning for Cold-Start Recommendation阅读笔记

    #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
    South1999   2022-07-19 21:31   0   89

  • xDeepFM Combining Explicit and Implicit Feature Interactions for Recommender Systems阅读笔记

    #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
    South1999   2022-07-18 10:26   0   53
< Prev1234567891011···245Next >