26、DIEN（DIN的延伸）
摘要：一、背景 在大多数非搜索电商场景下，用户并不会实时表达目前的兴趣偏好。因此通过设计模型来捕获用户的动态变化的兴趣，是提升CTR预估效果的关键。阿里之前的DIN模型将用户的历史行为来表示用户的兴趣，并强调了用户兴趣的多样性和动态变化性，因此通过attention-based model来捕获和目标物品
阅读全文
posted @ 2020-09-29 15:38
随笔分类 - 推荐系统论文
25、深层用户兴趣网络DIN（阿里）
摘要：一、背景 对于阿里巴巴的用户行为数据：有两个指标对广告CTR预测准确率有重大影响。 1、多样性（Diversity）：一个用户可以对很多不同品类的东西感兴趣； 2、局部兴趣（Local activation）：对于用户兴趣的多样性，只有一部分历史数据会影响到当次推荐的物品是否被点击，并非所有。 例子
阅读全文
posted @ 2020-09-29 15:28
24、Conversion Rate Prediction via Post-Click Behaviour Modeling----ESM2（转）
摘要：转自：https://www.kesci.com/home/project/5db112b475df5c002b225fd5/code 1、背景 一个包含推荐系统、用户行为的完整电商推荐流程如下图所示： 主要分为两个部分，一是推荐阶段，二是用户行为阶段。推荐阶段大都分为召回和精排两部分，精排之后有时
阅读全文
posted @ 2020-07-14 19:38
23、Youtube视频推荐中应用MMOE模型（Recommending What Video to Watch Next: A Multitask Ranking System）（转）
摘要：一、摘要 这篇论文提出一个视频推荐领域的大规模的多目标排序系统，该系统主要面临几个挑战：1）多个竞争关系的目标；2）用户反馈的选择偏见（selective bias）。 本文探究了大量软-参数共享技术，例如MMoE，来有效的优化多目标排序。除此之外，本文还采用wide&deep框架来缓和选择偏见问题
阅读全文
posted @ 2020-07-09 16:57
22、谷歌MMOE多任务学习模型（转）
摘要：文章发表在KDD 2018 Research Track上，链接为Modeling Task Relationships in Multi-task Learning with Multi-gate Mixture-of-Experts。 一、摘要 多任务学习可被用在许多应用上，如推荐系统。如在电影
阅读全文
posted @ 2020-07-09 16:24
Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation（知识图谱）
摘要：知识图谱（Knowledge Graph，KG）可以理解成一个知识库，用来存储实体与实体之间的关系。知识图谱可以为机器学习算法提供更多的信息，帮助模型更好地完成任务。 在推荐算法中融入电影的知识图谱，能够将没有任何历史数据的新电影精准地推荐给目标用户。 实例描述 现有一个电影评分数据集和一个电影相关
阅读全文
posted @ 2019-12-10 20:52
Improving Sequential Recommendation with Knowledge-Enhanced Memory Networks（知识图谱）
摘要：本文作者：杨昆霖，2015级本科生，目前研究方向为知识图谱，推荐系统，来自中国人民大学大数据管理与分析方法研究北京市重点实验室。 引言 经常上购物网站时，注意力会被首页上的推荐吸引过去，往往本来只想买一件小商品，但却被推荐商品耗费不少时间与金钱。有时候会在想，虽然推荐商品挺吸引人的，但是它究竟为什么
阅读全文
posted @ 2019-12-04 22:29
RippleNet: Propagating User Preferences on the Knowledge Graph for Recommender Systems
摘要：一、摘要 为了解决协同过滤的稀疏性和冷启动问题，社交网络或项目属性等辅助信息被用来提高推荐性能。 考虑到知识图谱是边信息的来源，为了解决现有的基于嵌入和基于路径的知识图谱感知重构方法的局限性，本文提出了一种端到端框架，它自然地将知识图结合到推荐系统中。 与水上传播的实际涟漪类似，RippleNet通
阅读全文
posted @ 2019-11-28 14:00
18、DKN（Deep Knowledge-Aware Network for News Recommendation）---新闻推荐
摘要：摘自：https://blog.csdn.net/qq_40006058/article/details/89678866 DKN：Deep Knowledge-Aware Network for News Recommendation 1、 论文出处：www2018 2、 摘要：（背景）：在线新闻
阅读全文
posted @ 2019-11-26 15:04
17、Learning and Transferring IDs Representation in E-commerce笔记
摘要：一、摘要 电子商务场景：主要组成部分（用户ID、商品ID、产品ID、商店ID、品牌ID、类别ID等） 传统的编码两个缺陷：如onehot，（1）存在稀疏性问题，维度高（2）不能反映关系，以两个不同的id为例，无论它们是否相似，两种id都具有由一个热编码测量的恒定距离。以条目ID和存储ID为例，由于它
阅读全文
posted @ 2019-11-13 14:04
16、Real-time Personalization using Embeddings for Search Ranking at Airbnb
摘要：一、背景 Airbnb 平台包含数百万种不同的房源，用户可以通过浏览搜索结果页面来寻找想要的房源，我们通过复杂的机器学习模型使用上百种信号对搜索结果中的房源进行排序。 当用户查看一个房源时，他们有两种方式继续搜索： 返回搜索结果页， 查看房源详情页的「相似房源」（会推荐和当前房源相似的房源）。 我们
阅读全文
posted @ 2019-10-17 16:55
15、TDM模型
摘要：论文：https://arxiv.org/pdf/1801.02294.pdf 解析： 学习基于树的推荐系统深度模型 Learning Tree-based DeepModel for Recommender Systems 阿里妈妈新突破：深度树匹配如何扛住千万级推荐系统压力 推荐系统遇上深度学习
阅读全文
posted @ 2019-07-22 14:32
推荐阅读论文
摘要：20篇最值得一读的深度推荐系统与CTR预估论文 强化学习大规模应用还远吗？Youtube推荐已强势上线 Self-Attentive Sequential Recommendation self-attention : http://www.sohu.com/a/258474757_505915 B
阅读全文
posted @ 2019-07-19 19:13
14、RALM: 实时 look-alike 算法在推荐系统中的应用
摘要：转载：https://zhuanlan.zhihu.com/p/71951411 RALM: 实时 look-alike 算法在推荐系统中的应用 0. 导语 本论文题为《Real-time Attention based Look-alike Model for Recommender System
阅读全文
posted @ 2019-07-18 18:12
13、Next Item Recommendation with Self-Attention---自注意力+CML
摘要：一、摘要： 自注意力机制 从用户历史交互中推断出项目-项目关系。学习每个项目的相对权重【用来学习用户的暂时兴趣表示】 二、 模型： 一部分是用于建模用户短期意图的自注意力机制，一部分是建模用户长期偏好的协作度量学习。 1、自注意力 自注意力可以保存上下文序列信息，并捕获序列中元素的关系。因此用自注意
阅读全文
posted @ 2019-01-18 21:36
12、Camel: Content-Aware and Meta-path Augmented Metric Learning for Author Identification----作者识别
摘要：摘自：https://blog.csdn.net/me_yundou/article/details/80459341 具体看上面链接 一、摘要： 这篇文章主要介绍的是作者识别（author identification）问题。作者识别问题是指基于某个T时间之前的所有论文（paper）和它们的作者（
阅读全文
posted @ 2018-10-24 13:10
11、E-commerce in Your Inbox:Product Recommendations at Scale-----产品推荐（prod2vec和user2vec)
摘要：一、摘要 本文提出一种方法，将神经语言模型应用在用户购买时间序列上，将产品嵌入到低维向量空间中。结果，具有相似上下文（即，其周围购买）的产品被映射到嵌入空间中附近的向量。 二、模型： 低维项目向量表示： 1、prod2vec： 给定当前产品pi，观察到邻居产品p i+j的概率为P(p i+j | p
阅读全文
posted @ 2018-10-22 21:39
10、Latent Relational Metric Learning via Memory-based Attention for Collaborative Ranking-----基于记忆注意的潜在关系度量协同排序
摘要：一、摘要： 本文模型 LRML（潜在相关度量学习）是一种新的度量学习方法的推荐。【旨在学习用户和项目之间的相关关系，而不是简单的用户和项目之间的push和pull关系，push和pull主要针对LMNN算法】 为了做到这一点，本文采用了一个增强的存储器模块，并通过这些记忆块来构建用户和项目潜在的关系
阅读全文
posted @ 2018-10-21 15:56
9、Collaborative Metric Learning Recommendation System: Application to Theatrical Movie Releases------CML推荐系统（电影院放映的应用）
摘要：一、摘要： 主要是做一个基于协作（深度）度量学习（CML）的系统来预测新剧场版本的购买概率。即测量产品的空间距离来预测购买概率。 二、模型 该图分为两部分，先计算右边，右边通过深度度量学习（DDML）来计算产品距离，将得到的产品距离输入左边逻辑回归中得到购买概率。 e（movie）是电影的词向量，f
阅读全文
posted @ 2018-10-20 20:48
8、Collaborative Metric Learning
摘要：一、摘要： 文章的核心思想：是如何把Metric learning 和 CF结合起来从而达到更好的推荐效果。 提出了CML（Collaborative Metric Learning），其学习一个联合度量空间，不仅编码用户的偏好，而且编码用户-用户和项目-项目的相似性。 假设用户和物品可以放到低维空
阅读全文
posted @ 2018-10-19 21:53
