福州大学软工1917 | A 班-
Cold-start Sequential Recommendation via Meta Learner阅读笔记
#动机 本文是2021年AAAI的一篇文章。在序列推荐中，如果只有用户物品交互数据而没有其它辅助数据的情况下，以往的冷启动方法无法应用在序列推荐中。因此本文提出了一种基于元学习的序列推荐冷启动框架，称为Mecos。Mecos根据有限的交互数据来提取用户的偏好（只需要用户物品交互信息），并学习将冷启动 -
学习笔记-2022.03.01
学习笔记-2022.03.01 内容：阅读论文分享：HyperDQN: A Randomized Exploration for Deep RL Introduction 强化学习的一个难题是与环境交互时的样本效率 好的探索策略可以减小样本复杂度。一个好的探索策略要不断尝试那些未知的/不确定的动作； -
Disentangling User Interest and Conformity for Recommendation with Causal Embedding论文笔记
#动机 本文是2021年WWW上的一篇论文。现在的推荐系统模型大多是基于用户与物品的交互训练的，然而用户与物品的交互可能是因为用户对该物品感兴趣，亦或是该物品具有很高的流行度，用户的从众性(conformity)促使他与该物品产生交互。因此我们可以了解到流行度更高的物品通常会与更多的用户产生交互，但 -
MixGCF: An Improved Training Method for Graph Neural Network-based Recommender Systems阅读笔记
#动机 本文是来自2021年KDD上的一篇文章。图神经网络最近已经成为最先进的协同过滤解决方案，目前协同过滤中的一个挑战是从隐反馈数据中提取负反馈信号，但是目前很少有对基于GNN的协同过滤方法的负反馈采样的研究。好的负反馈信号可以加速模型收敛，为模型提供更大且更有意义的梯度，因此提取出好的负反馈信号 -
Self-supervised Graph Learning for Recommendation阅读笔记
#动机 本文是2021年SIGIR上一篇文章。基于图卷积网络（GCN）的推荐系统模型大多数都有以下问题：1.稀疏的监督信号。2.倾斜的数据分布，高度的节点对表征学习影响更大。3.节点表示容易收到噪声交互的影响。在本文中作者通过在用户-物品图上引入自监督学习来改善GCN在推荐系统上的准确率和鲁棒性，将 -
LeetCode 5999. 统计数组中好三元组数目
2022.2.19双周周赛的第四题统计数组中好三元组数目，翻车了，题目要求可点击链接直接查看，当时的思路只想到把nums2映射成[0,1,2,...,n-1]的数组，然后nums1根据相同映射规则也进行改变，然后求nums1中满足x<y<z且$pos_x<pos_y<pos_z$的三元组数，可以每次 -
Learning Intents behind Interactions with Knowledge Graph for Recommendation阅读笔记
#动机 本论文是2021年发表在IW3C2的一篇论文。在基于知识图谱的推荐系统中，使用图神经网络是一个趋势，但是目前基于图神经网络的模型有以下不足之处：1.没有在更细的意图粒度上识别用户与物品之间的关系。2.没有利用依赖关系保留长距离的语义连接。本文作者提出的KGIN模型解决了上述问题，将意图建模为 -
DeepFM: A Factorization-Machine based Neural Network for CTR Prediction 阅读笔记
#动机 本文是2017年发表的一篇非常经典的推荐系统论文。本论文提出了一种新的模型DeepFM，解决了之前模型交叉低阶特征和高阶特征有很大偏差，或是需要耗费大量人力的特征工程的问题。它与之前谷歌提出的Wide&Deep模型相似，但是它不需要专家去进行特征交叉，是一个端到端的模型。它与当时先进的模型对 -
[Cnoi 2021]
A [Cnoi2021]幻想乡程序设计大赛 // ExtraTime Common Header Simple over C++14 #include<bits/stdc++.h> #include<ext/pb_ds/assoc_container.hpp> #include<ext/pb_ds/ -
pytorch学习笔记
1. 基础环境配置 1. 配置anaconda # 创建环境 conda create -n pytorch python=3.6 # 启动环境 conda activate pytorch # 安装pytorch包 https://pytorch.org/ conda install pytorc