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。...更多社交推荐算法的背景知识与经典算法可参考社会化推荐浅谈和深度学习技术在社会化推荐场景中的总结。 然而,欧几里得空间在表示的自然幂律分布时会出现结构扭曲,导致基于的社交推荐结果不尽理想。...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。...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。

31010

推荐算法——基于推荐算法PersonalRank算法

一、推荐的概述 在推荐系统中,通常是要向用户推荐商品,如在购物网站中,需要根据用户的历史购买行为,向用户推荐一些实际的商品;如在视频网站中,推荐的则是不同的视频;如在社交网站中,推荐的可能是用户等等...推荐算法有很多,包括协同过滤(基于用户的协同过滤和基于物品的协同过滤)以及其他的一些基于模型的推荐算法。...二、基于推荐算法PersonalRank算法 1、PersonalRank算法简介 在协同过滤中,主要是将上述的用户和商品之间的关系表示成一个二维的矩阵(用户商品矩阵)。...而在基于推荐算法中,将上述的关系表示成二部的形式,为用户A推荐商品,实际上就是计算用户A对所有商品的感兴趣程度。...PersonalRank算法对通过连接的边为每个节点打分,具体来讲,在PersonalRank算法中,不区分用户和商品,因此上述的计算用户A对所有的商品的感兴趣的程度就变成了对用户A计算各个节点B,C,

2.6K30
您找到你想要的搜索结果了吗?
是的
没有找到

推荐算法——基于推荐算法PersonalRank算法

一、推荐的概述 在推荐系统中,通常是要向用户推荐商品,如在购物网站中,需要根据用户的历史购买行为,向用户推荐一些实际的商品;如在视频网站中,推荐的则是不同的视频;如在社交网站中,推荐的可能是用户等等,无论是真实的商品...推荐算法有很多,包括协同过滤(基于用户的协同过滤和基于物品的协同过滤)以及其他的一些基于模型的推荐算法。...二、基于推荐算法PersonalRank算法 1、PersonalRank算法简介 在协同过滤中,主要是将上述的用户和商品之间的关系表示成一个二维的矩阵(用户商品矩阵)。...而在基于推荐算法中,将上述的关系表示成二部的形式,为用户A推荐商品,实际上就是计算用户A对所有商品的感兴趣程度。...PersonalRank算法对通过连接的边为每个节点打分,具体来讲,在PersonalRank算法中,不区分用户和商品,因此上述的计算用户A对所有的商品的感兴趣的程度就变成了对用户A计算各个节点B,C,

2.8K100

首次揭秘1112背后的云数据库技术!| Q推荐

从 2009 年到 2021 年,从千万交易额到千亿交易额, 11 已经开展了 12 年。如今,每年的 11 以及一个月后的 12,已经成为真正意义上的全民购物狂欢节。...刚刚过去的 2021 年 11,就有超过 8 亿消费者参与。 与攀升的交易额和参与人数相反, 11 的主要阵地“淘宝 APP”、 12 的主要阵地“天猫 APP”的崩溃情况逐年减少近无。...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、阿里巴巴数据库 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。

31.7K50

推荐算法推荐-基于随机游走的personalrank算法实现

推荐算法推荐 基于的模型(graph-based model)是推荐系统中的重要内容。...原理展示 将用户的行为数据表示为二分后,接下来的就是基于二分图为用户进行推荐,那么给用户u推荐物品就可以转化为度量用户顶点Vu和Vu没有直接边相连的顶点在图上的相关性,相关性越高的物品在推荐列表上的权重九越高...下面介绍一种基于随机游走的PersonalRank算法(和PangRank算法相似,pageRank算法参考,直通车1,textRank直通车2,直通车3) 假设要给用户u进行个性化推荐,可以从用户...d,b   其中大写的代表用户小写的代表item 问题说明 虽然PersonalRank算法可以通过随机游走进行比较好的理论解释,但该算法在时间复杂度上有明显的缺点。...另一种方法就是从矩阵论出发,重新设计算法。 对矩阵运算比较熟悉的读者可以轻松将PersonalRank转化为矩阵的形式。令M为用户物品二分的转移概率矩阵,即: ?

4.3K90

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...为了解决上述问题,本文提出了基于的曲几何洛伦茨模型的知识感知推荐模型,简称为 LKGR。...本文 LKGR 模型的损失表示为: 本文方法 LKGR 的整体算法框架如算法 1 所示。 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。... 3 展示了 topk 推荐任务下本文算法与基线算法的性能对比。

2.3K30

算法指针算法 ( 指针算法分类 | 相向指针 | 有效回文串 )

文章目录 一、指针算法分类 二、相向指针示例 ( 有效回文串 ) 一、指针算法分类 ---- 面试时经常遇到 限制算法复杂度为 O ( n ) 的情况 , 就需要使用以下算法 : 指针算法...: 设置两个指针 ( 索引 ) , 进行不同方式的遍历 , 使用最高频的算法 ; 打擂台算法 : 设置一个擂主值 , 设置为无穷大或无穷小 , 通过遍历让该擂主值与遍历值打擂台 ; 求最大值最小值常用...; 单调栈算法 ; 单调队列算法 ; 指针算法分类 : 相向指针 : 判断一个字符串是否是回文串 , 从两边向中心遍历 ; 背向指针 : 查找一个字符串的最长回文子串使用的 " 中心线枚举算法 "...就是背向指针算法 , 从中心向两边遍历 ; ( 出现频率较 - 低 ) 同向指针 : 相向指针算法分类 : 翻转类型 : ① 翻转字符串 , ② 判断回文串 ; 两个指针分别指向收尾 , 两边往中间走...然后对比是否相等 ; 但是如果添加了上述要求 , 就需要处理大小写 , 特殊字符问题 , 有两种方案 : 创建新字符串 , 过滤掉大小写及特殊字符干扰, 然后翻转字符对比 , 这样会增加额外空间开销 ; 推荐使用指针算法

1.8K10

算法指针算法

二、算法原理 如果用指针从前往后遍历,就拿例1来说, 就会出现值被覆盖的情况: 所以遍历顺序就不能从前往后。...可以先用指针算法:1.先判断cur位置;2.决定dest向后移动一步或者两步;3.判断一下dest是否已经到达结束位置;4.在把cur加加。...二、算法原理 利用数组是有序的,用指针算法来算。 定义两个指针,一个在左边,一个在右边。...二、算法原理 排序之后,数据是有序的,这里就用指针算法。...这里是三个数的和,可以先固定一个数a,仅想要保证这个a是小于0就行(在后面等于0相加的值不可能等于0),然后在该数后面的区间内,利用指针算法,快速找到两个数的和,者两个数的和是a的相反数,这样这三个数相加的时候

7700

推荐系统User-Item Embedding算法

作者:九羽 在做推荐算法任务时,在(user, item)的交互数据集中进行建模是常见的方式,本文基于GNN对User侧和Item侧进行embedding的思路,介绍3篇相关论文。...NGCF(SIGIR 19) 解决的问题 本文主要解决传统协同过滤算法,因为缺少对user-item交互数据中的协同信息(Collaborative Signal)较好的编码方式,从而无法很好的学到...具体地,如上图所示右是(User,item)之间的交互路径。从图中u2->i2->u1路径我们可以发现u1和u2具有一定路径上(行为)的相似性。...对比3种不同的数据增强方法,论文中发现Edge dropout方式能更好地发现结构中潜在的含义。 模型结构 ?...模型效果 模型解决的两个问题: (1)长尾问题的推荐效果: ? (2)噪声导致的鲁棒性问题的推荐效果: ?

90320

算法指针

指针 指针是一种思想或一种技巧并不是特别具体的算法。具体就是用两个变量动态存储两个结点,来方便我们进行一些操作。通常用在线性的数据结构中。...常见的指针方式 •同速指针:链表上两个指针,一个先出发,另一个后出发并以相同的速度跟随。...•求链表的逆:通过临时指针让指针同步前行•求链表倒数第k个元素:先让其中一个指针向前走k步,接着两个指针以同样的速度一起 向前进,直到前面的指针走到尽头了,则后面的指针即为倒数第k个元素 •快慢指针:...指针常用于线性结构:链表,数组 例题 151.反转链表 给你单链表的头节点 head ,请你反转链表,并返回反转后的链表。...输出:[1,2] 示例 2: 输入:head = [1,1,2,3,3] 输出:[1,2,3] 解题思路: •方法1:使用栈的思想,如果后面入的元素与栈顶元素相同,就略过该元素,继续遍历•方法2:指针

32520

推荐算法三视角: 矩阵, , 时间线

一张二维表格,一个拓扑,一条时间线。这三幅图景,是我看待推荐算法的三种视角。 ?...中该物品向量内积的和,这就是FISM算法。相比SLIM的稀疏处理,变为分解降维。最后再附上一张,说明MF,SLIM和FISM之间的关系。 ?...但GCN在运算时,每一层都要输入整个,在推荐系统里,物品和用户都可以是百万级别以上,实际中无法使用。...GraphSAGE通过RandomWalk采样,解决了这个问题,用在推荐领域就是PinSage算法。从某顶点出发,深度优先走k步,得到多个子,组成一个batch进行训练,。...然后按照采样的反方向做前向传播,这就是一个k层的网络,下图是一个k为2的例子。 ? 在用户和物品的二部基础上,用户和用户根据社会关系建立起边来,这就是社会化推荐。 ?

69620

算法专题】指针

指针 指针 常见的指针有两种形式,⼀种是对撞指针,⼀种是左右指针。 对撞指针:⼀般用于顺序结构中,也称左右指针。 对撞指针从两端向中间移动。...示例 1: 输入: nums = [0, 1, 0, 3, 12] 输出 : [1, 3, 12, 0, 0] 示例 2 : 输入 : nums = [0] 输出 : [0] 提示 : 1 <=...示例 1: 输入:n = 19 输出:true 解释: 12 + 92 = 82 82 + 22 = 68 62 + 82 = 100 12 + 02 + 02 = 1 示例 2: 输入...在这个数后⾯的区间内,使用「指针算法」快速找到两个数之和等于 -a 即可。 但是要注意,这道题里面需要有「去重」操作: i....当使用完⼀次指针算法之后,固定的 a 也要「跳过重复」的元素 代码如下: class Solution { public: vector> threeSum

9610

基础算法篇——指针算法

基础算法篇——指针算法 本次我们介绍基础算法中的指针算法,我们会从下面几个角度来介绍: 指针简介 指针基本使用 最长连续不重复字符列 数组元素的目标和 判断子序列 指针简介 首先我们先来简单介绍一下指针...: 指针算法就是采用两个变量作为指针放在数组的某个部位来实现复杂度简化 我们来介绍一下指针的使用场景: 指针通常用于简化for循环的场景,将复杂度为O(N^2)变为O(N) 指针可以用于单个序列中...,例如我们之前的快速排序所使用的指针算法 指针可以用于多个序列中,例如我们之前的归并排序所使用的指针算法 我们的指针算法通常是由for的暴力求解优化得来的: // for循环O(n^2)...里面装有一些单词,单词由空格隔开,我们需要将他们单独打出来 思路解释: /* 我们采用指针算法 i指针指向单词的第一个字母,j指向单词后面的空格,我们只需要输出i和j-1之前的字母并隔开即可 */ 算法实现...}else { System.out.println("不是子序列"); } return; } } 结束语 好的,关于基础算法篇的指针算法就介绍到这里

24040

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
领券