摘要：
#动机 本文是2021年KDD上的一篇文章。最近有不少工作利用异构图去解决推荐系统冷启动问题，但是这些方法都忽略了在冷启动场景下训练和推理的差异。针对以上问题，本文提出了MvDGAE模型，该模型通过将冷启动问题视为一个用户物品交互项数据缺失的问题，通过多视图增强不同方面的用户与物品之间的关系。 #方 阅读全文
摘要：
#动机 本文是2021年WSDM上的一篇论文。在之前的工作中，图神经网络推荐没有明确优化冷启动问题，冷启动用户或物品因为交互不多，生成的embedding并不准确，同时还会随着图传播给邻居节点。针对以上问题，本文作者提出了一种基于预训练的图神经网络方法，可以有效缓解图神经网络推荐中的冷启动问题。 冷 阅读全文
摘要：
#动机 本文是2021年ACM MM上的一篇论文。之前关于推荐系统冷启动的工作很多都使用神经网络来探索冷物品的特征内容和协同表示之间的联合效应，但是作者认为这些工作很少探索内容特征和协同表示之间的依赖关系，同时缺乏理论支持。针对以上问题，作者提出了一个基于对比学习的冷启动推荐框架CLCRec。 #方 阅读全文
摘要：
本周看了1篇小样本学习文章。 #META-LEARNING WITH FEWER TASKS THROUGH TASK INTERPOLATION 出自ICLR2022。核心思想是数据增强，通过插值来构建一些额外的元学习中的任务，增强元学习的效果。作者在文中给出了细致的理论分析，同时也有大量实验验证 阅读全文
摘要：
#动机 本文是2022年IJCAI上的一篇论文。自注意力模型在序列推荐上取得了卓越的效果，但是它们依赖位置编码保存顺序关系，然而位置编码可能会破坏原始embedding所包含的信息。现有的工作大多都假设这种顺序依赖关系仅存在于物品的embedding中，而忽略了物品特征中的这种依赖关系。本文提出了一 阅读全文
摘要：
#动机 本文是2022年SIGIR上的一篇论文。基于embedding的模型通过用户与物品交互历史学习到用户与物品的表示，但是这种方法对于没有出现在训练数据中的冷物品表现很差，因为冷物品没有得到训练，它的表示是随机的。目前最常见的方式是通过冷物品的属性生成其对应的表示，但是这种方法生成的冷物品嵌入与 阅读全文
摘要：
原文为MAMO: Memory-Augmented Meta-Optimization for Cold-start Recommendation。 本文重点是用几个记忆网络保存用户、物品及任务的一些信息，在遇到新任务时，用之前任务学到的一些先验知识进行初始化，之后经过少量迭代就可以收敛到一个不错的 阅读全文
摘要：
本周看了2篇小样本学习的文章。 #Label Hallucination for Few-Shot Classification 出自AAAI2022，本文讲的是cv中的小样本分类，核心思想就是利用大的数据集进行数据增强(数据集分别为数量大的带标签的基数据集和数量小的带标签的新数据集)。 具体的方法 阅读全文
摘要：
#动机 本文是2022年WWW上的一篇论文。最近很多工作将用户冷启动问题视为一个小镜头问题，并通过MAML方法寻求解决方案。但是MAML通常是为所有冷启动用户学习到一个初始化表示，而用户的偏好分布是不同的，这就导致该初始化表示很难适用于每个用户。针对以上问题，本文提出了PNMTA，该方法主要是加入了 阅读全文
摘要：
#动机 本文是2017年nips上的一篇论文。在当时对于冷启动问题，大部分工作是针对cold item的，或是将偏好和内容都结合在目标函数中使其非常复杂。本文作者提出了DropoutNet，这个方法利用深度学习中dropout的思想，且只有一个目标函数，简单有效。 #方法 模型的框架见下图。输入分为 阅读全文