IP屬地：河南
-
推薦系統(tǒng)玩家 之 因子分解機(jī)FM（Factorization Machines）
推薦系統(tǒng)玩家 之 因子分解機(jī)FM（Factorization Machines）
-
可擴(kuò)展個性化排名的批量學(xué)習(xí)框架個性化排名列表的頂部鼓勵高精度 現(xiàn)有的方法：（1）為非光滑排序度量尋找光滑的凸代理牲迫，（2）直接修改更新過程以提高最高精度 問題：不能很好地?cái)U(kuò)展到...
-
基于因果嵌入的用戶興趣與推薦一致性分離問題：推薦模型基于觀測交互數(shù)據(jù)验游，流行項(xiàng)目的從眾混合了用戶真正興趣。 一致性取決于用戶和項(xiàng)目：（用戶和項(xiàng)目關(guān)系）一個用戶對不同項(xiàng)目的一致性不同泄隔，不...
-
利用流行偏見的因果干預(yù)建議問題：流行偏差問題在數(shù)據(jù)上拒贱，項(xiàng)目在交互頻率上呈現(xiàn)不均勻分布在方法上，協(xié)同過濾方法容易通過過度推薦熱門項(xiàng)目來放大偏見 如何利用流行偏差來提高推薦的...
-
一種用于信息檢索的對抗性模仿點(diǎn)擊模型問題描述： 點(diǎn)擊模型：研究用戶和物品排名列表互動佛嬉，為學(xué)習(xí)排序模型提供了關(guān)于用戶反饋的更好理解逻澳。 點(diǎn)擊模型的關(guān)鍵：構(gòu)造關(guān)系 1.概率圖形模型（PG...
-
圖數(shù)據(jù)的對抗攻擊和防御：綜述型
圖對抗的難點(diǎn)：(1)與由連續(xù)特征組成的圖像不同，圖形結(jié)構(gòu)和節(jié)點(diǎn)特征是離散的巷燥。很難設(shè)計(jì)出能夠在離散空間,中生成對立示例的高效算法赡盘。(2)敵對擾動被...
-
量子化學(xué)的神經(jīng)信息傳遞解決問題：利用機(jī)器學(xué)習(xí)(尤其是深度學(xué)習(xí))預(yù)測分子和材料的性質(zhì)本質(zhì)上，證明化學(xué)預(yù)測問題的有效機(jī)器學(xué)習(xí)模型能夠直接從分子圖中學(xué)習(xí)它們自己的特征缰揪，并且...
-
心理+智能華東師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院的吳雯博士 例如購買哈利波特與魔法石基于內(nèi)容的推薦：哈里波特與密室本質(zhì)上是去尋找與剛剛你曾經(jīng)瀏覽過或者曾經(jīng)購買過...
-
對抗網(wǎng)絡(luò)圖：保護(hù)信息免受攻擊解決問題：鄰域聚合范式為試圖提取敏感屬性的節(jié)點(diǎn)級信息的攻擊者暴露了額外漏洞 惡意攻擊者在推斷時陨享，偷取敏感信息 傳統(tǒng)GNN任務(wù)訓(xùn)練 推斷-->...