IP屬地：江蘇
-
2019 華為杯研究生數(shù)學(xué)建模競(jìng)賽D題-行駛工況構(gòu)建本篇文章為本人原創(chuàng)內(nèi)容里烦，如需轉(zhuǎn)載引用耗美，請(qǐng)務(wù)必在文中附上原鏈接及相應(yīng)說(shuō)明剿骨，包括作者信息（阿瑟） 本篇文章非完整分析思路柿估，僅供參考川慌，歡迎學(xué)習(xí)交流 碼...
-
CRS(6)閱讀筆記：WWW2022-Multi-Choice Questions based Multi-Interest Policy Learning for Conversational...最新被WWW2022接收的CRS研究工作驹饺。 該工作在基本的CRS框架上脸狸，提出多項(xiàng)選擇的形式代替常見的二元(Yes/No)交互最仑，并考慮用戶潛在興趣...
-
embedding技術(shù)(1): Res-embedding for Deep Learning Based Click-Through Rate Prediction ModelingDLP-KDD 2019 摘要 目前點(diǎn)擊率 (CTR) 預(yù)測(cè)模型已經(jīng)從淺層方法發(fā)展到深層神經(jīng)網(wǎng)絡(luò)， 大多數(shù)深度 CTR 模型遵循 Embeddi...
-
序列推薦(4):Sequence and Time Aware Neighborhood for Session-based RecommendationsSIGIR2019 short Paper 摘要 基于會(huì)話的k近鄰方法（SKNN）已被證明是基于會(huì)話推薦的有力基線炊甲。然而泥彤，SKNN沒有考慮會(huì)話中...
-
序列推薦(3): Session-aware Linear Item-Item Models for Session-based Recommendationwww2021 摘要 基于會(huì)話的推薦旨在根據(jù)會(huì)話中歷史物品的序列預(yù)測(cè)下一個(gè)物品，例如電子商務(wù)或多媒體流服務(wù)卿啡。 具體來(lái)說(shuō)吟吝，會(huì)話數(shù)據(jù)表現(xiàn)出一些獨(dú)特的...
-
序列推薦: Learning Reinforced Dynamic Representations for Sequential Recommendation Weiqipaper鏈接：https://arxiv.org/pdf/2112.02787.pdf[https://arxiv.org/pdf/2112....
-
Denoising in Rec(2)：Denoising Implicit Feedback for RecommendationWSDM 2021 Full Research Paper 摘要 隱式反饋的普遍存在使得他們成為構(gòu)建在線推薦系統(tǒng)的默認(rèn)選擇。雖然大量的隱性反饋緩...
-
Denoising in Rec(1)：Sampler Design for Implicit Feedback Data by Noisy-label Robust LearningSIGIR2020 摘要 由于易收集且普遍適用颈娜，推薦研究中廣泛使用隱性反饋數(shù)據(jù)剑逃。然而浙宜，預(yù)測(cè)用戶對(duì)隱反饋數(shù)據(jù)(implicit feedback)...
-
Interaction System(1): Dialog-based Interactive Image RetrievalNIPS2018. 摘要 背景：現(xiàn)有的交互式圖像檢索方法已經(jīng)證明了整合用戶反饋、改善檢索結(jié)果的優(yōu)點(diǎn)基于用戶反饋以交互的形式進(jìn)行圖像檢索是有效可行...