专栏首页人工智能前沿讲习数据挖掘的前沿论文,看我们推荐的这7篇

数据挖掘的前沿论文,看我们推荐的这7篇

关注文章公众号 回复"数据挖掘"获取本主题精选论文

近年来,电商平台飞速发展,搭配问题是电商系统中的一个非常重要的任务,它涉及对商品的深入理解整合。阿里京东等公司,都设计了专门独立的搭配平台,比如时尚大脑,滴搭系统。有很高的商业价值。由SFFAI21分享嘉宾崔泽宇同学为大家精选出来有关图数据挖掘以及服装风格搭配相关论文,带你了解服装搭配领域目前的进展,图数据挖掘最前沿的工作。

SFFAI21分享嘉宾刘强同学精选四篇论文,个性化推荐技术是当今互联网应用中十分重要的一项技术,近年来基于深度学习的推荐模型的研究受到了越来越多的关注,如何在各子问题上提高推荐效果成为了一个重要的课题。

你可以仔细阅读,带着问题来现场交流哦。

1

?????

推荐理由:WWW2018最佳论文,从美感的角度考虑服装推荐的问题,把服装的属性主要划分为,美感和类别两个方面。模型简洁易懂,实验完备扎实。取得了很好的效果。

推荐理由来自:崔泽宇

2

?????

推荐理由:本文是上海交通大学张伟楠团队和华为诺亚方舟实验室合作的一篇工作,主要研究的是在线点击率预估场景中的特征交互问题,提出了Product-network In Network (PIN)模型。PIN模型是Product-based Neural Network (PNN)模型的扩展。在进行特征交互时,PIN模型不是简单的向量内积或者外积,而是用子神经网络来建模特征之间的交互关系。这种建模方式,比简单使用向量内积或者外积的PNN、DeepFM等方法具有更强的表达能力更加有效。作者在4个离线数据集上进行了测试,都取得了一定的提升。随后,作者也将PIN模型应用在华为应用市场的游戏推荐中,经过多天的观测,相比于基础模型,PIN模型将下载率提升30%以上;相比于DeepFM模型,PIN模型也有10%左右的提升。

推荐理由来自:刘强

3

?????

推荐理由:本文是阿里妈妈团队的一篇工作,是针对于商品推荐的研究。本文改进了传统的注意力模型,在计算注意力权重的时候,同时考虑历史商品和待推荐商品,更有效地建立起了历史商品和候选商品的关联。同时,作者还改进了正则化的计算,对于不同出现频率的商品特征向量有着不同大小的正则化损失。作者在2个离线数据集上进行了测试,都取得了一定的提升。随后,作者也将该模型应用在淘宝的推荐系统中,经过多天的观测,相比于基础模型,点击率提升了10%,收益提升了3.8%。

推荐理由来自:刘强

4

????

推荐理由:2018年斯坦福的jure团队在graph上的一个工作发表在NeurIPS,该工作通过层次化的建模,在做图表达的同时,进行层次化的graph pooling工作,思想很值得借鉴,不论是写作上还是工作内容都是一篇精致的工作。

推荐理由来自:崔泽宇

5

????

推荐理由:同样是发表在NeurIPS2018的工作,该工作着重于如何将GNNs运用在大规模数据上,进行图数据挖掘领域基础应用link prediction的任务,有较大的指导意义。

推荐理由来自:崔泽宇

6

????

推荐理由:本文是腾讯广告团队的一篇工作,是针对在线点击率预估场景中的CNN模型的改进工作。由于CTR预估场景中的特征排布本身不具有顺序,因此基于CNN的预估模型性能往往不稳定,最优的排布方式往往不固定。因此,本文作者提出了用多个学习模块来学习不相同的特征序列,保证了模型性能的稳定性,提升了模型表现。作者在2个离线数据集上进行了测试,都取得了一定的提升。随后,作者也将该模型应用在腾讯的社交广告系统中,经过多天的观测,相比于基础模型,在线点击率有显著提升。

推荐理由来自:刘强

7

????

推荐理由:本文是中科院自动化所吴书老师团队的一篇工作,主要研究基于图神经网络进行服装搭配的学习。本文提出将一套服装表示为一个图,在这个图中,每个点代表一个服装的种类,而两个点之间的边代表这个种类的衣服可以搭配。因此每套服装可以表示为一个图。为了从图中学习到搭配度,作者使用了基于图神经网络提出的点图神经网络来学习每个点的表示,并用一个注意力机制为一个图打分,即这套服装的搭配度。作者在polyvore和amazon数据集上进行了实验,本文的方法都展现出了最好的结果。

推荐理由来自:刘强

本文分享自微信公众号 - 人工智能前沿讲习(AIFrontier),作者:must

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-03-11

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 本周精选共读论文《计算机视觉图像分割》六篇

    图像语义分割是目前计算机视觉领域要解决的一个核心问题,属于视觉中场景理解的研究范畴之一,近期受到了越来越多的研究者的关注,现实中许多应用程序需要精确和高效的分割...

    马上科普尚尚
  • SFFAI分享 | 黄怀波 :自省变分自编码器理论及其在图像生成上的应用

    生成模型一直是机器学习和计算机视觉领域的重要研究方向。以生成对抗网络(GANs)和变分自编码器(VAEs)等为代表的深度生成模型已经成为当前人工智能研究的热点问...

    马上科普尚尚
  • 精选论文 | 生物特征识别【附打包下载】

    生物特征识别是人工智能的重要研究领域,也是近年来人工智能产业实际落地的主要领域,受到了学术界和工业界的高度关注。两位讲者从识别算法和计算成像两个角度,为大家推荐...

    马上科普尚尚
  • 前海征信大数据算法:风险概率预测

    感谢大家过去一年的关注与支持,有更好的建议或需求欢迎回复小编。新的一年你们将是人工智能、机器学习领域内的主角,越努力越幸运!

    机器学习AI算法工程
  • 快手类推荐系统实践

    1. 什么是推荐系统 推荐系统是一种信息过滤系统,近年来非常流行,应用于各行各业。 比如大家耳熟能详的快手、头条、手机百度、淘宝、京东、应用宝...几乎各个平台...

    机器学习算法工程师
  • 21张知识卡,告诉你推荐系统的核心技术

    推荐系统目前已经深入到了互联网的各类产品中。不管是到电子商务网站购物,还是到新闻阅读网站获取信息,甚至是在出行的时候希望听到不同的音乐,不同种类的推荐系统都在我...

    IT派
  • 干货|3分钟让你了解个性化推荐算法

    如果去商场里买东西,我并不愿意听导购小姐讲的话,但是电商网站上的推荐,我还真的愿意看一看。【猜你喜欢】,好,那你就猜猜吧。

    华章科技
  • 3分钟轻松了解个性化推荐算法

    摘要:如果去商场里买东西,我并不愿意听导购小姐讲的话,但是电商网站上的推荐,我还真的愿意看一看。【猜你喜欢】,好,那你就猜猜吧。 推荐这种体验除了电商网站,还有...

    CDA数据分析师
  • 神奇的推荐系统:用得好,销量倍增

    以下节选自克里斯·安德森的《长尾理论》一书:「在 1988 年,一位名叫乔·辛普森的英国登山者写了一本书,名为《触摸巅峰》,这本书讲述了他在秘鲁安第斯山脉接近死...

    机器之心
  • 关于两种统计模型文化的思考

    引言:本篇文章重新回顾了Breiman于2001年发表的《Statistical Modeling:The Two Cultures》一文,对数据建模和算法建模...

    AI科技评论

扫码关注云+社区

领取腾讯云代金券