Soul Joy Hub

187 篇文章
54.9K 次阅读
39 人订阅

全部文章

用户1621453

解读:全民K歌直播推荐算法

另外还有一个多模态融合的问题。看上图示意,应该是每个模态embedding单独与user embedding进行相似度训练。**这样做的话,每个item就会存在...

8220
用户1621453

多任务学习——【ICLR 2020】PCGrad

在多任务学习中,由于不同任务梯度之间的更新方向不同,两个梯度在方向上存在冲突,从而导致一个不同任务之间的更新梯度存在冲突。

6720
用户1621453

多任务学习——【RecSys 2020】【腾讯视频】PLE

当不同的学习任务之间较为相关时,多任务学习可以通过任务之间的信息共享,来提升学习的效率。但任务之间的相关性并不强,多任务学习可能带来负迁移(negative t...

8140
用户1621453

多任务学习——【ICML 2018】GradNorm

论文链接:https://arxiv.org/pdf/1711.02257.pdf

4820
用户1621453

基于位置的点击模型

主流的点击模型大都基于点击模型方面最基础的研究,认为用户在浏览搜索引擎时采用的是沿着搜索结果列表从上到下依次浏览的方式,根据这个假设,用户的浏览顺序与搜索结果的...

7420
用户1621453

《搜索和推荐中的深度匹配》——2.5 延伸阅读

Query重构是解决搜索中查询文档不匹配的另一种方法,即将Query转换为另一个可以进行更好匹配的Query。Query转换包括Query的拼写错误更正。例如,...

6520
用户1621453

《搜索和推荐中的深度匹配》——2.4 推荐中的潜在空间模型

接下来,我们简要介绍在潜在空间中执行匹配的代表性推荐方法,包括偏置矩阵分解 (BMF)【1】、Factored Item Similarity Model (F...

5930
用户1621453

《搜索和推荐中的深度匹配》——2.3 搜索中的潜在空间模型

接下来,我们以潜在空间为基础介绍匹配模型。【1】中找到了搜索中语义匹配的完整介绍。具体来说,我们简要介绍了在潜在空间中执行匹配的代表性搜索方法,包括偏最小二乘(...

5030
用户1621453

《搜索和推荐中的深度匹配》——2.2 搜索和推荐中的匹配模型

当应用于搜索时,匹配学习可以描述如下。一组查询文档对D=(q1​,d1​,r1​),(q2​,d2​,r2​),...,(qN​,dN​,rN​)作为训练数据给...

6730
用户1621453

《搜索和推荐中的深度匹配》——经典匹配模型 2.1 匹配学习

已经提出了使用传统的机器学习技术进行搜索中的查询文档匹配和推荐中的用户项目匹配的方法。这些方法可以在一个更通用的框架内形式化,我们称之为“学习匹配”。除了搜索和...

5320
用户1621453

图神经网络——【KDD 2019】KGAT

深度推荐算法(如DeepFM等)模型有个缺点:将训练数据里(用户交互数据)的特征进行独立建模,没有考虑到交互数据之间的关系。这使得这些模型不足以从用户的行为中提...

7440
用户1621453

图神经网络——【SIGIR 2019】NGCF

从早期的矩阵分解到最近出现的基于深度学习的方法,现有的工作通常通过从描述用户(或项目)的现有特性(如ID和属性)映射来获得用户(或项目)的嵌入。作者认为,这种方...

5620
用户1621453

图神经网络——【KDD 2018】PinSage

可以先参阅《图神经网络——【NIPS 2017】GraphSAGE》。本文将基于GraphSAGE来讲讲PinSage

5820
用户1621453

图神经网络——【NIPS 2017】GraphSAGE

直推式(transductive)学习方法是在一个固定的图上直接学习每个节点embedding,但是大多情况图是会演化的,当网络结构改变以及新节点的出现,直推式...

6620
用户1621453

多任务学习——【SIGIR 2018】ESMM

点击—>转化,本身是两个强相关的连续行为,作者希望在模型结构中显示考虑这种“行为链关系”,从而可以在整个空间上进行训练及预测。这涉及到CTR与CVR两个任务:

3310
用户1621453

多任务学习——【KDD 2018】MMoE

多任务学习的的框架广泛采用 shared-bottom 的结构,不同任务间共用底部的隐层。这种结构本质上可以减少过拟合的风险,但是效果上可能受到任务差异和数据分...

2930
用户1621453

多轮检索式对话——【CIKM 2019】IMN

《Multi-Representation Fusion Network for Multi-Turn Response Selection in Retrie...

4820
用户1621453

多轮检索式对话——【IJCAI 2019】DGMN 基于文档背景的个性化对话

这里的人物设定被写在一个document中,即document-grounded。模型整体架构如下:

4620
用户1621453

多轮检索式对话——【WSDM 2019】MRFN

《Multi-Representation Fusion Network for Multi-turn Response Selection in Retrie...

6020
用户1621453

多轮检索式对话——【ACL 2018】DAM

《Multi-Turn Response Selection for Chatbots with Deep Attention Matching Network...

5630

扫码关注云+社区

领取腾讯云代金券