首页
学习
活动
专区
工具
TVP
发布

AI科技评论

专栏作者
4100
文章
3414561
阅读量
185
订阅数
CIKM 2023|TASTE:通过文本匹配缓解序列化推荐中流行偏差问题
序列化推荐系统旨在根据用户的浏览历史动态地为用户推荐下一个商品,这在Yelp、TikTok、Amazon等众多Web应用程序中发挥着至关重要的作用。这些推荐系统通过使用不同的神经网络架构来学习用户-商品交互中商品之间的依赖关系,从而对用户行为进行建模。这些模型通常使用商品ID来表示商品,通过随机初始化向量来表示不同的商品,并使用来自用户-商品交互的信号来优化这些商品的向量化表示。
AI科技评论
2023-09-19
2780
推荐系统通用用户表征预训练研究进展
随着NLP和CV领域的发展,涌现出了以BERT,GPT为代表的大规模语言模型和以ImageNet为代表的各种经典视觉模型,如resnet和visual transformer,在各自领域都产生了很大的成功,而且实现了通用语言/视觉表征能力,例如BERT学好的语言表征可以被应用到各种各样的下游任务。受到相关技术的启发,推荐系统最近两年也出现了一些学习用户通用表征的算法和深度模型,也就是,通过对用户行为进行某种程度预训练,然后adapt到一些下游任务中,这些下游任务包括,跨域推荐和用户画像预测,本文简要介绍几种
AI科技评论
2023-04-12
7190
悉尼科技大学数据科学研究所招收博士生,双学位博士生和访问学生及学者
学校介绍 悉尼科技大学(University of Technology Sydney,简称UTS)是世界著名的新兴大学。在2022年QS世界大学排名上,UTS位居全球第137位,澳大利亚第9位。UTS是全球排名第11位的新兴大学,澳大利亚排名第1位(QS Top 50 Under 50 2021)。 而在另一份2022年泰晤士高等教育(TIMES)的榜单上,UTS的表现同样出色,综合排名位列全球第143位。在2022年泰晤士高等教育世界大学影响力排名上,UTS位居全球第15位,澳大利亚第2位。 UTS是全
AI科技评论
2022-10-08
7900
贝叶斯深度学习:一个统一深度学习和概率图模型的框架
作者 | 王灏 整理 | 维克多 人工智能(AI)的进展显示,通过构建多层的深度网络,利用大量数据进行学习,可以获得性能的显著提升。但这些进展基本上是发生在感知任务中,对于认知任务,需要扩展传统的AI范式。 4月9日,罗格斯大学计算机科学系助理教授王灏,在AI TIME青年科学家——AI 2000学者专场论坛上,分享了一种基于贝叶斯的概率框架,能够统一深度学习和概率图模型,以及统一AI感知和推理任务。 据介绍,框架有两个模块:深度模块,用概率型的深度模型表示;图模块,即概率图模型。深度模块处理高维信号,图模
AI科技评论
2022-05-05
5390
联邦学习怎样应用在推荐系统中?
说起联邦学习,大家再熟悉不过了,由于其能在数据不移动的前提下协同训练一个全局共享的模型,迅速成为了人工智能安全领域的一个研究热点。推荐系统作为人工智能领域最振奋人心的应用之一,与联邦学习相结合的研究也越发受到工业界和学术界的关注。 最近,中国科学:信息科学 杂志最新综述《基于联邦学习的推荐系统》(以下简称“联邦推荐”)概述了一些联邦学习和推荐系统结合的研究工作,非常适合对联邦学习和推荐系统感兴趣的同学阅读。本文旨在帮助大家快速了解这篇综述,并给想入门联邦研究的同学推荐一些相关的论文。 需要说明的是,联邦推荐
AI科技评论
2022-03-14
9820
中国首次!清华刘奕群团队获得WSDM 2022唯一最佳论文奖,港中文获得「时间检验奖」
作者 | 西西编辑 | 陈彩娴2月21日至25日,第15届国际互联网搜索与数据挖掘大会(WSDM 2022)在线上召开,来自清华大学计算机系的研究团队获得了大会唯一的最佳论文奖!这也是自大会创办以来,由来自中国的科研团队首次获得该奖项。WSDM(读音为「Wisdom」)由国际计算机学会(ACM)旗下的信息检索(SIGIR)、数据挖掘(SIGKDD)、数据库(SIGMOD)与网络信息处理(SIGWEB)等四个专委会共同举办,在数据挖掘领域享受崇高的学术声誉。此外,除了最佳论文奖,WSDM大会还公布了「时间检验
AI科技评论
2022-03-03
3510
对话推荐系统的进展与五个关键挑战
推荐系统旨在从用户的交互历史识别出用户的偏好,目前已经在工业界得到广泛应用。但是传统静态推荐模型难以解决两个重要的问题。1,用户到底喜欢什么?2,为什么用户喜欢一个物品?因为静态的推荐模型缺乏用户的实时反馈和显式指导。
AI科技评论
2021-12-08
8420
WSDM 2022 | 中科院、腾讯、北航提出:跨领域推荐中的个性化迁移用户兴趣偏好
冷启动推荐一直是推荐系统中一个极具挑战的问题。跨领域推荐系统使用源领域中的交互数据来帮助目标领域的冷启动推荐。这篇文章提出了一种个性化迁移用户兴趣偏好的跨领域推荐的方法,给目标领域冷启动用户进行更精准的推荐。
AI科技评论
2021-11-05
7270
​联邦学习下的安全矩阵分解 | 2021 WAIC 论文分享
7月8日,为期三天的2021 年世界人工智能大会(WAIC)于上海世博展馆拉开序幕。本届大会继续秉持「智联世界」的理念,以「众智成城」为主题,集聚全球范围内的人工智能创新思想、技术、应用、人才和资本,推动全球科技的创新协同。8日下午,星云Clustar受邀出席同期举办的「2021 WAIC· 隐私计算学术交流会」,并进行了基于联邦学习的安全矩阵分解框架的论文分享。
AI科技评论
2021-07-27
4870
100层序列推荐模型也能被加速训练!这篇顶会论文带你探索Very Deep RS模型
而今天,AI 科技评论将为大家介绍一篇由中科院先进所、腾讯、华南理工近日合作发表在信息检索领域顶会 SIGIR 2021上的一篇论文,这篇论文发现通过对残差块结构进行微小的修改,序列推荐模型能够使用更深的网络结构以进一步提升精准度,也就是,推荐模型也能够像计算机视觉领域的模型那样拥有100层以上的深度并获得最优性能。
AI科技评论
2021-07-03
6070
中科院、腾讯、北航合作:基于元学习实现更好的冷启动推荐 | SIGIR 2021
导言:近年来,向量嵌入(embedding)的技术在推荐系统领域取得了广泛的应用。然而向量嵌入技术需要大量数据训练,并且面临严重的冷启动问题。特别是只有极少数交互的冷启动物品,很难训练一个合理的物品ID embedding,称作冷启动ID embedding。这篇文章针对冷启动ID embedding提出了一种基于元学习的方法,探索如何预热冷启动物品ID embedding。
AI科技评论
2021-07-02
9680
WWW 2021 | STAN: 基于时空注意力的地点推荐模型
本文对中科院自动化所和华盛顿大学的研究人员合作发表在WWW 2021的论文《STAN: Spatio-Temporal Attention Network for Next Location Recommendation》进行解读。
AI科技评论
2021-03-09
2.5K0
伯乐:一个易用、强大的PyTorch推荐系统开源库
RecBole (中文名称:"伯乐",意取"世有伯乐,然后有千里马"),由中国人民大学的AI Box团队与北京邮电大学、华东师范大学的科研团队联合开发出品。
AI科技评论
2020-11-09
1.5K0
如何更为合适地评测推荐算法? Top-N物品推荐算法评测设置回顾
近十年里,top-N商品推荐是隐式反馈中一个被广泛研究的课题,其目的是从大量数据中识别出用户可能偏爱的一小部分物品。
AI科技评论
2020-10-27
1.4K0
推荐系统顶会RecSys2020大奖出炉!腾讯摘获最佳长论文奖
来自腾讯PCG团队的四位作者Hongyan Tang、Junning Liu、Ming Zhao、Xudong Gong凭借研究出一种新的多任务学习个性化推荐模型获得了最佳长论文奖,获奖论文:
AI科技评论
2020-10-09
3.8K0
会话推荐系统新进展:基于互信息最大化的多知识图谱语义融合 | KDD 2020
本文解读的是 KDD 2020 论文《Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion》,作者来自北大、人大、西安电子科技大学。
AI科技评论
2020-07-17
1.2K0
Science:有调查有真相!某些AI领域多年无实际进展
5月29日,Science刊登了一篇标题为“人工智能某些领域的核心进展一直停滞不前”的文章,在文章里,作者Matthew Hutson提到:一些多年之前的“老算法”如果经过微调,其性能足以匹敌当前的SOTA。
AI科技评论
2020-06-03
3880
12个场景应用,百余种算法,AI是如何攻占经济学的?
2020年2月7日,在第34届美国人工智能协会年会AAAI 2020现场,深度学习三巨头齐聚,“计算机视觉”与“机器学习”分座两旁,对最佳论文虎视眈眈。
AI科技评论
2020-05-29
1.1K0
IJCAI 2020 | 基于内部-环境注意力网络的推荐多队列冷启动召回
本文介绍的是 IJCAI-2020论文《Internaland Contextual Attention Network for Cold-start Multi-channel Matching inRecommendation》,论文作者是来自腾讯微信的谢若冰、丘志杰、饶君、刘毅、张博和林乐宇研究员。
AI科技评论
2020-05-26
8200
IJCAI 2020 | 推荐中的深度反馈网络
本文介绍的是IJCAI-2020论文《Deep Feedback Network for Recommendation》,作者论文作者是来自腾讯微信的谢若冰、凌程、王亚龙、王瑞、夏锋和林乐宇研究员。
AI科技评论
2020-05-25
1.5K0
点击加载更多
社区活动
RAG七天入门训练营
鹅厂大牛手把手带你上手实战,赢鹅厂证书、公仔好礼!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档