腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

机器学习与推荐算法

汇集经典的推荐技术，公众号：机器学习与推荐算法

专栏作者

262

文章

218051

阅读量

53

订阅数

ICML2023推荐系统论文整理

机器学习神经网络推荐系统 https 论文

第四十届国际机器学习会议ICML已在7月23日到29日在夏威夷会议中心举行。今年大会共收到6,538篇投稿，最终录取1,827篇，录用率为27.94%。我们从所有接收列表中筛选出与推荐系统主题相关的论文6篇，以供大家进行阅读和学习。

2023-08-22

2820

遗忘：深度学习中的双刃剑？最新《深度学习中的遗忘》的研究综述

机器学习深度学习模型数据隐私

「遗忘(Forgetting)是指之前获得的信息或知识的丢失或退化」。现有的关于遗忘的综述主要集中在持续学习上，然而，「遗忘也是深度学习的其他研究领域中普遍观察到的现象」。例如，遗忘在生成模型中由于生成器偏移而表现出来，在联邦学习中由于客户端之间数据分布异构而表现出来。解决遗忘包括几个挑战：平衡旧任务知识的保留与新任务的快速学习、管理具有冲突目标的任务干扰、以及防止隐私泄漏等。此外，大多数现有的关于持续学习的综述都默认遗忘总是有害的。相反，作者认为「遗忘是一把双刃剑，在某些情况下（如隐私保护场景）可能是有益的和可取的」。通过在更广泛的背景下探索遗忘，本综述旨在提供对这一现象的更细微的理解，并强调其潜在的优势。通过这项全面的综述，作者希望通过借鉴来自各种处理遗忘的领域的思想和方法来发现潜在的解决方案。通过超越传统的遗忘边界的分析，本综述希望在未来的工作中鼓励开发新的策略来减轻、利用甚至接受在实际应用中的遗忘。

2023-08-22

3980

RecSys2023推荐系统论文整理(长文)

机器学习推荐系统教程论文模型

第17届推荐系统年会（ACM RecSys）将在2023年9月18日到22日于新加坡举办。值得注意的是，本届年会是疫情发生以来的首次线下参会，大家可以在线下共享推荐系统领域的最新研究进展（面基）。并且这也是RecSys入选CCF推荐列表B类会议的首次会议，相信未来会有更多研究者瞄准这一会议进行投稿。

2023-08-22

9210

ICML2022丨时间序列论文汇总

https 网络安全 c++机器学习深度学习

国际机器学习大会(International Conference on Machine Learning，简称ICML ) 是由国际机器学习学会（IMLS）主办的机器学习国际顶级会议 (CCF-A)

2022-10-31

9190

350篇文献总结可信推荐系统前沿进展

推荐系统编程算法学习方法机器学习深度学习

推荐系统作为以人为本的人工智能技术的最前沿应用，被广泛部署在网络世界的每个角落，其大大提高了人类的决策效率。然而，尽管推荐系统具有巨大的作用和潜力，但也可能导致对用户、物品、生产者、平台甚至整个社会的不良影响，例如由于不透明的过程而损害用户的信任，对不同的消费者或生产者的不公平待遇，由于大量使用用户的私人敏感数据进行个性化推荐而导致的隐私泄露问题，由于缺乏对用户自身数据的控制而导致推荐重复的内容的回音室效应等等。所有这些都造成了对可信推荐系统的迫切需求，以减轻或避免这种不利影响和风险。

2022-10-31

7360

最新综述 | 图数据挖掘中的算法公平性

聚类算法编程算法知识图谱机器学习神经网络

图数据挖掘算法已经在很多领域得到应用，但大多数图数据挖掘算法都没有考虑到算法的公平性。在本篇综述中，我们首先系统梳理了图数据挖掘领域内常见的算法公平性的定义和对应的量化指标。在此基础上，我们总结出了一个图数据挖掘算法公平性的分类法，并对现有提升公平性的方法进行了讨论。最后，我们整理了可以用于图数据挖掘中算法公平性研究的数据集，也指出了现有的挑战和未来的工作方向。

2022-10-31

4930

推荐算法背后的机器学习技术

强化学习监督学习编程算法机器学习机器人

机器学习是一种利用统计和其他数学理论给予计算机学习能力的方法。机器学习和统计其实都有相同的目标：从数据中学习知识。但是具体的手段和理念有所不同。机器学习是计算机科学的一个分支，侧重的是从数据中建立有机的系统，而不是用目的很明显的规则去编程。而统计学是数学的一个分支，侧重的是用数学公式建立变量之间的联系。近年来，随着计算机硬件成本的不断降低和数据量的极大增加，数据科学家得以充分利用机器学习手段来分析和挖掘数据。另一方面，统计建模技术则早在计算机问世前就已经存在。

2022-10-31

4510

深度剖析 | 推荐系统中的信息茧房问题——因果强化学习在交互式推荐的前沿探索

机器学习监督学习神经网络深度学习人工智能

第一次写博客，这篇博客的目的是想分享和探讨一些在交互式推荐或者序列推荐问题中的一些关键痛点，其中最大的一个就是信息茧房问题。

2022-10-31

1.6K0

论文周报 | 推荐系统领域最新研究进展

linux https 网络安全机器学习神经网络

本文精选了上周（0509-0515）最新发布的20篇推荐系统相关论文，方向主要包括会话推荐[1,6,12,13]、基于强化学习的推荐[7,16]、基于对比学习的推荐[5]、鲁棒推荐[9]、公平性推荐[10]、时尚推荐[18]等的推荐算法，应用涵盖会话推荐、序列推荐、音乐推荐、链接推荐、论文提交推荐以及新闻推荐等。以下整理了论文标题以及摘要，如感兴趣可移步原文精读。

2022-05-26

6770

WWW22 | 序列推荐: 纯MLP模型弯道超车CNN与Transformer

sas 文件存储机器学习神经网络深度学习

本文主要提出了一个基于纯MLP架构的序列化推荐模型，其通过可学习滤波器对用户序列进行编码，在8个序列化推荐数据集上超越了Transformer等模型。

2022-04-11

1.2K0

最全推荐系统传统算法合集

神经网络机器学习分类算法深度学习编程算法

我花了半个多月将推荐系统传统算法分别进行了总结归纳，应该时目前全网最全的版本了。希望对大家了解推荐系统传统算法有所帮助。

2022-02-28

9580

「深度学习推荐系统: Netflix案例分析」阐述DL在RS的优劣与经验教训

学习方法深度学习机器学习神经网络人工智能

深度学习深刻地影响了机器学习的许多领域。然而，在推荐系统领域，它的影响需要一段时间才能感受到。在本文中，我们概述了在Netflix的推荐系统中使用深度学习所遇到的一些挑战和经验教训。我们首先概述了Netflix服务上的各种推荐任务。我们发现不同的模型架构擅长于各自不同的任务。尽管许多深度学习模型可以被理解为现有(简单)推荐算法的扩展，但我们最初并没有发现在性能上有显著的改善。只有当我们在输入数据中添加了大量异构类型的特征时，深度学习模型才开始在我们的设置中崭露头角。

2022-02-28

6000

论文快报 | 推荐系统领域最新研究进展

https 网络安全 NLP 服务联邦学习机器学习

在线推荐需要处理快速变化的用户偏好。深度强化学习(DRL)作为一种在与推荐系统交互过程中捕捉用户动态兴趣的有效手段，正在受到人们的关注。然而，由于状态空间大(如用户物品评分矩阵和用户档案)、动作空间大(如候选物品)和奖励稀疏，训练DRL代理具有挑战性。现有的研究鼓励实施者通过经验重放(ER)从过去的经验中学习。然而他们不能很好地适应在线推荐系统的复杂环境，而且不能根据过去的经验来确定最佳策略。为了解决这些问题，作者设计了一个新的状态感知经验重放模型，该模型使用位置敏感哈希将高维数据映射到低维表示，并使用优先奖励驱动策略以更高的机会重放更有价值的经验。本文的模型可以选择最相关和最显著的经验，并推荐策略最优的代理。在三个在线仿真平台上的实验证明了该模型的可行性和优越性。

2021-10-27

9980

一文梳理联邦学习推荐系统研究进展

联邦学习机器学习强化学习神经网络深度学习

推荐系统，对于我们来说并不陌生，它已经无时无刻不方便着我们的生活、学习、工作等方方面面，并且已经成为许多社交/购物/新闻平台中必不可少的组件。近些年来学术界以及工业界的研究者们已经对其进行了大量研究并提出了许多经典有效的推荐模型，比如UserCF、ItemCF、MF、FM、BPR、Item2vec、NCF、DIN等等，更多推荐模型介绍可参考[一文尽览推荐系统模型演变史]。

2021-09-23

1K0

一文梳理序列化推荐算法模型进展

linux 机器学习神经网络深度学习

| 作者：朱勇椿 | 单位：中国科学院大学 | 研究方向：跨域推荐、多任务学习

2021-08-06

5730

IJCAI2021 | 基于图学习的推荐系统最新综述

推荐系统机器学习编程算法开源数据结构

作为人工智能最重要的应用之一，推荐系统几乎存在于我们日常生活的各个角落。作为人工智能最具有前景的技术之一，图学习在学习推荐系统中的各类客体间复杂关系上表现出了强大的优势。希望通过这篇文章，可以让你对基于图学习的推荐系统形成一个全面而系统的认知。

2021-05-11

1.1K0

基于RNN的序列化推荐系统总结

机器学习神经网络深度学习人工智能文件存储

2. Parallel Recurrent Neural Network Architectures for Feature-rich Session-based Recommendations

2021-04-22

1.1K0

RSPapers | 基于隐私保护的推荐系统论文合集

推荐系统 linux 机器学习数据结构神经网络

近年来，推荐系统已经成为许多社交/购物/新闻平台中必不可少的组件。一方面，推荐系统为了更好的捕捉和建模用户的行为习惯以及历史偏好，需要大量收集用户和物品的属性信息以及二者的交互记录。另一方面，大量的用户行为记录以及用户私有属性信息虽然使得模型能够掌握用户的行为模式，但也不可避免的造成了用户敏感信息以及隐私问题的担忧。所以如何在保证用户隐私前提下挖掘数据价值是目前大数据背景下值得研究的课题。

2021-03-16

7690

关于序列推荐的全面调研与总结

linux 机器学习深度学习人工智能神经网络

「本文首先介绍了Sequential RS（SRSs）的特点，然后对该领域面临的主要挑战进行了总结和分类，接着介绍了该领域最新的、最具代表性的研究进展。最后，讨论了该领域未来可能重要的研究方向。」

2021-02-01

1.5K0

SIGIR2020 | 一种新颖的推荐系统重训练技巧

推荐系统机器学习神经网络深度学习人工智能

事实上，在推荐系统的学术研究中，我们过于关注模型的创新，而忽视了落地可行性以及实用性。这与模型的新颖度和复杂度不同，是另外一个层面的值得我们考虑的问题。因此，本文中所推荐的论文，是针对推荐系统的定期重训练需求设计的模型。本人认为这是一个不错的话题，因此推荐给大家。但是，本文并非对论文的翻译，而是将文中的想法和思路简明扼要地传递给大家，如想了解论文的全貌还请精读原始论文。

2020-09-10

9290

点击加载更多

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

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