首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

TKDE2023 | 基于学习的社交推荐算法

TLDR: 本文将社交推荐任务建模在曲空间学习之下,并提出了一种基于学习的社交推荐模型。...最近,一些研究探索了将嵌入学习转移到曲空间的替代方法,曲空间可以保留现实世界的层级结构。 然而,直接将当前的嵌入模型应用于社交推荐并非易事,因为存在两大挑战:网络异质性和社交扩散噪声。...为了解决上述挑战,本文提出了一种基于学习的社交推荐(HGSR)模型。首先,利用曲社交嵌入的预训练来探索社交结构,这可以保留社交网络的层级特性。...如此,其结合了显式的异质学习和隐式的特征增强用于曲社交推荐,这可以很好地解决异质性和社交噪声问题。 最后,本文在四个数据集上进行了实验验证。...总之,本文提出了一种新颖的HGSR模型用于曲空间的社交推荐。为了利用社交影响扩散引入的异质性和噪声问题,设计了一种社交预训练增强的曲异质学习方法。

31310
您找到你想要的搜索结果了吗?
是的
没有找到

数据结构与算法(十二)——结构初探

1,线性表、树结构和结构的对比 需要注意的是,在线性表中,我们把数据元素称为元素;在树中,我们将数据元素称为节点;在图中,我们将数据元素称为顶点。...在线性表中,相邻的数据之间有一对一的线性关系;树结构中,相邻的两层节点之间有层次关系;在结构中,任意的两个顶点都可能会存在关系,并不一定需要相邻才能产生关系。...我们可以设计一个数据结构,第一个元素是顶点数组,该顶点数组是一个一维数组,存储顶点相关信息;第二个元素是边数组(或者称为弧数组,无向称为边,有向称为弧),边数组是一个二维数组,它是一个邻接矩阵。...单链表的节点,我们称之为边表节点,边表节点中的数据域存储的是边的另一端的节点的值,边表节点的指针域指向的是对应顶点的其他的边。...); printf("请输入边数:\n"); scanf("%d", &graph->countOfEdges); // 2,初始化顶点表信息 printf("请依次输入%d个顶点数据

64920

推荐系统遇上深度学习(四十二)-使用神经网络做基于会话的推荐

1、背景介绍 现有基于会话的推荐,方法主要集中于循环神经网络和马尔可夫链,论文提出了现有方法的两个缺陷: 1)当一个会话中用户的行为数量十分有限时,这些方法难以获取准确的用户行为表示。...2)根据先前的工作发现,物品之间的转移模式在会话推荐中是十分重要的特征,但RNN和马尔可夫过程只对相邻的两个物品的单向转移关系进行建模,而忽略了会话中其他的物品。...针对上面的问题,作者提出使用网络来做基于会话的推荐,其整个模型的框架如下图所示: ? 接下来,我们就来介绍一下这个流程吧。 2、模型介绍 2.1 符号定义 V={v1,v2,......假设一个点击序列是v1->v2->v4->v3,那么它得到的子如下图中红色部分所示: ? 再假设一个点击序列是v1->v2->v3->v2->v4,那么它得到的子如下: ?...4、总结 本文使用网络进行基于会话的推荐,效果还是不错的,而且网络逐渐成为现在人工智能领域的一大研究热点。感兴趣的小伙伴们,咱们又有好多知识要学习啦,你行动起来了么?

1.6K40

首次揭秘1112背后的云数据库技术!| Q推荐

是什么样的数据库撑起了 2021 年的 11 12 的稳定进行?...《数据 Cool 谈》第三期,阿里巴巴大淘宝技术部 12 队长朱成、阿里巴巴业务平台 11 队长徐培德、阿里巴巴数据 11 队长陈锦赋与 InfoQ 主编王一鹏,一同揭秘了 11 12 背后的数据库技术...在 11 12,这种方式的弊端会被进一步放大。数据显示,在 11 秒杀系统中,秒杀峰值交易数据每秒超过 50 万笔,是一个非常典型的电商秒杀场景。...“那这背后对于一个新的数据库产品类型的要求,实际上整个业界大家都是在探索阶段。” 写在最后 11 12 背后的数据库技术支持远不止于此。... 11 12 丰富的运营活动和千亿交易额背后,数据库层面是包括 RDS、PolarDB、Tair、ADB(ADB3.0) 以及 Lindorm 等数据库产品提供的组合技。

31.7K50

利用对比学习增强数据推荐

简读分享 | 王豫 编辑 | 陈兴民 论文题目 Enhancing Sequential Recommendation with Graph Contrastive Learning 论文摘要 顺序推荐系统捕捉用户的动态行为模式...现有的大多数顺序推荐方法仅利用单个交互序列的局部上下文信息,仅根据项目预测损失学习模型参数。因此,他们通常无法学习适当的序列表示。本文提出了一种新的推荐框架,即序列推荐对比学习(GCL4SR)。...具体而言,GCL4SR采用基于所有用户交互序列构建的加权项转换图(WITG),为每个交互提供全局上下文信息,并弱化序列数据中的噪声信息。此外,GCL4SR使用WITG的子来增强每个交互序列的表示。...在真实数据集上的大量实验表明,GCL4SR始终优于最先进的顺序推荐方法。 论文链接 https://www.ijcai.org/proceedings/2022/0333.pdf

59050

Redis延迟删-架构案例2021(三十二

通过对需求的分析,在数据管理上初步决定采用关系数据库(MySQL)和数据库缓存(Redis)的混合架构实现。 经过规范化设计之后,该系统的部分数据库表结构如下所示。...1)被动同步:当每次新增和修改的时候,去更新redis,当没值的时候,查询数据库把值赋值到redis,当修改的时候,也修改redis的数据。...(有不同步问题采用延迟删解决) (延迟删是在存入数据库之后,睡眠一段时间,再把redis数据删掉,保证后面redis数据数据库的一致) 2)主动同步:主动在程序读取mysql的binlog日志,把日志里的数据写入到...数据处理:数据一般通过网关上传到云数据库,这样更容易处理和分析数据,以及更安全和容灾性。 系统性能:在云平台上处理,更强数据处理能力,性能更好。...【问题2】(12分) 请从下面给出的(a)~(j)中进行选择,补充完善5-1中空( )~( )处的内容,协助李工完成该系统的架构设计方案。

32620

床(推荐)

page   喜欢Markdown写作的,肯定都会用到床,再好的文章,也要配上图片,才能图文并茂。比如:你在某平台写作,平台限制图片大小上传, 这导致你的图片用不了,这时你就可以用床代替。...床可以用于写作插图、临时分享图片外链、页面打开优化、嵌入式图片等。 床简介   床是一个在网络平台上存储图片的地方,最终目的是为了节省本地服务器空间,加快图片打开速度。...推荐   下面推荐都是个人搜集,不要钱或者需要很少钱的(排序不代表推荐顺序)大家有更好用的来分享一下吧。...聚合床   聚合床有丰富的客户端和接口,还可以挂载自己的oss,cos,七牛云等存储,自己有足够的盈利措施去长时间运营,并且免费用户的速度也很快。...  路过床具有全球 CDN 加速以确保高速、稳定。

2.6K20

Python数据分析入门(二十二):多布局

Python爬虫、数据分析、网站开发等案例教程视频免费在线观看 https://space.bilibili.com/523606542 Python学习交流群:1039649593 多布局 解决元素重叠的问题...为了避免多个重叠,可以使用plt.tight_layout来实现: # 之前的代码... plt.tight_layout() 效果如下: ?...其中tight_layout还有两个参数可以使用,分别是w_pad和h_pad,这两个参数分别表示的意思是在水平方向的之间的间距,以及在垂直方向这些的间距。...fig.subplots_adjust(0,0,1,1,hspace=0.5,wspace=0.5) 效果如下: ?...自定义布局方式: 如果布局不是固定的几宫格的方式,而是某个占据了多行或者多列,那么就需要采用一些手段来实现。如果不是很复杂,那么直接可以通过subplot等方法来实现。

35720

绘制坐标轴

坐标轴作为常用的可视化方式之一,可以在同一张图中同时展示两个不同范围的数据,示例如下 ?...在matplotib中,有以下两种方式来实现一个坐标轴 1. secondary_axis系列函数 具体包含以下两种函数 1.secondary_xaxis 2.secondary_yaxis 第一个函数用于绘制...该函数的第一个参数用于指定第二个坐标轴的位置,对于y轴图表而言,取值范围包括left和right, 对于x轴的图表而言,取值范围包括top和bottom。...通过两个axes的叠加,可以轻松实现坐标,而且不同的axes绘图时使用不同的数据,更加的方便直观。...对于单个数据坐标轴,通过secondary_axis系列函数,实现起来更加方便,对于多个数据叠加的坐标轴,则推荐使用twin系列函数来实现。 ·end·

1.5K40

WSDM2022 | 基于曲几何无标度建模的知识感知推荐算法

此外,由于神经网络在提取数据特征方面的强大性能,一些研究将推荐系统与 GNN 结合了起来。...基于 GNN 的知识图谱推荐模型通常将用户-物品历史交互与外部知识图谱的交互统一为三部,然而在数据统一之后,这些三部通常呈现出无标度(或层次)的特点,如图 1(a)所示,两项基准数据集的度分布近似于幂律分布...而现有研究表明,对于树状(幂律分布)数据,欧式空间将会获得较高的失真,同样地,传统的基于欧式空间的嵌入方法可能无法有效地捕获无标度网络的内在层次结构,从而使得节点嵌入高度失真,最终降低了推荐的性能。...现有研究表明曲空间,即具有指数增长特性的连续树形空间,对具有层次数据结构或无标度网络结构数据可产生较少的失真,如图 1(b)所示,在曲空间中,靠近图中心的节点距离较小,而靠近边界的节点距离较大。...实验 本文实验使用的数据集为推荐系统中三项基准数据集,数据集具体如表 1 所示。 本文方法与基线方法的实验对比如表 2 所示,本文模型基本取得了最好的效果。

2.3K30

从 0 开始学习 JavaScript 数据结构与算法(十二

的概念 在计算机程序设计中,也是一种非常常见的数据结构,图论其实是一个非常大的话题,在数学上起源于哥尼斯堡七桥问题。 什么是是一种与树有些相似的数据结构。...实际上,在数学的概念上,树是的一种。 我们知道树可以用来模拟很多现实的数据结构,比如:家谱/公司组织架构等等。 那么长什么样子呢?或者什么样的数据使用来模拟更合适呢? 人与人之间的关系网 ?...带权 带权图表示边有一定的权重 这里的权重可以是任意你希望表示的数据:比如距离或者花费的时间或者票价。 我们来看一张有向和带权的 ?...和其他数据结构一样,需要通过某种算法来遍历结构中每一个数据。...这样可以保证,在我们需要时,通过这种算法来访问某个顶点的数据以及它对应的边。 遍历的方式 的遍历思想 的遍历算法的思想在于必须访问每个第一次访问的节点,并且追踪有哪些顶点还没有被访问到。

66420

算法和数据结构: 十二 无向相关算法基础

从这篇文章开始介绍相关的算法,这也是Algorithms在线课程第二部分的第一次课程笔记。 的应用很广泛,也有很多非常有用的算法,当然也有很多待解决的问题,根据性质,可以分为无向和有向。...本文先介绍无向,后文再介绍有向。 之所以要研究,是因为在生活中应用比较广泛: ? 无向 是若干个顶点(Vertices)和边(Edges)相互连接组成的。...的API 表示 在研究之前,我们需要选用适当的数据结构来表示,有时候,我们常被我们的直觉欺骗,如下图,这两个其实是一样的,这其实也是一个研究问题,就是如何判断的形态。 ?...要用计算机处理,我们可以抽象出以下的表示的API: ? Graph的API的实现可以由多种不同的数据结构来表示,最基本的是维护一系列边的集合,如下: ? 还可以使用邻接矩阵来表示: ?...由于采用如上方式具有比较好的灵活性,采用邻接列表来表示的话,可以定义如下数据结构来表示一个Graph对象。

54720

Spark机器学习实战 (十二) - 推荐系统实战

推荐系统项目中,讲解了推荐系统基本原理以及实现推荐系统的架构思路,有其他相关研发经验基础的同学可以结合以往的经验,实现自己的推荐系统。...1 推荐系统简介 1.1 什么是推荐系统 1.2 推荐系统的作用 1.2.1 帮助顾客快速定位需求,节省时间 1.2.2 大幅度提高销售量 1.3 推荐系统的技术思想 1.3.1 推荐系统是一种机器学习的工程应用...Chih-Jen) 2 推荐系统原理 可能是推荐系统最详细且简单的入门教程 官方文档指南 协同过滤 协同过滤通常用于推荐系统。...coding 3.1 分割数据数据集 tab分割 代码分割数据集 分割结果 3.2 预测评 预测代码 预测结果 3.3 MovieLens数据推荐 数据推荐代码...基于Spark的机器学习实践 (九) - 聚类算法 基于Spark的机器学习实践 (十) - 降维算法 基于Spark的机器学习实践(十一) - 文本情感分类项目实战 基于Spark的机器学习实践 (十二

1.1K30

床的推荐

关于hexo使用的免费床 更新为2020.3.22 GitHub+PicGo+jsDelivr 搭建自己的私人床(无备案推荐) 七牛床(有备案推荐) 微博床(凉凉) qq床(不推荐) 风过不留痕大佬的床...https://pic.alexhchu.com/ (强烈推荐+1) 其他我这里就不推荐了 GitHub+PicGo+jsDelivr 搭建自己的私人床 教程很多,操作简单,可拓展性强,速度快并且背靠...七牛床 一开始很多人推荐使用这个 优点 速度快 支持https 10g够轻度人群使用。 缺点 但是现在不好用了,为啥? 因为他需要你是用备案域名!!!...带人工审核/人工智障的审核图片,有时候会清理图片 QQ床 使用qq空间的相册 优点 访问快,容量好像没有限制吧 缺点 QQ空间说不定哪天就设置上防盗链系统,而且更换域名 这不是腾讯推荐的方式...而且该节点仅提供大,所以节点很可能会出现网络拥堵的情况,不排除腾讯为了服务稳定而对每个访问进行限速处理本人自用 更新于 2020.2.11 风过不留痕的床 优点 免费 速度快 无需备案

1.7K20
领券