《Learning Disentangled Representations for Recommendation原文》Learning Disentangled Representations for Recommendation原文
电子书：
</div>《Learning Disentangled Representations for Recommendation原文》电子版地址
2022-11-10
73
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
Learning Disentangled Representations for Recommendation原文
目录
相关文章
|
机器学习/深度学习
搜索推荐
算法
Learning Disentangled Representations for Recommendation | NIPS 2019 论文解读
近年来随着深度学习的发展，推荐系统大量使用用户行为数据来构建用户/商品表征，并以此来构建召回、排序、重排等推荐系统中的标准模块。普通算法得到的用户商品表征本身，并不具备可解释性，而往往只能提供用户-商品之间的attention分作为商品粒度的用户兴趣。我们在这篇文章中，想仅通过用户行为，学习到本身就具备一定可解释性的解离化的用户商品表征，并试图利用这样的商品表征完成单语义可控的推荐任务。
23833
0
0
|
3月前
|
机器学习/深度学习
存储
人工智能
【博士每天一篇文献-综述】Brain-inspired learning in artificial neural networks a review
这篇综述论文探讨了如何将生物学机制整合到人工神经网络中，以提升网络性能，并讨论了这些整合带来的潜在优势和挑战。
42
5
5
|
6月前
|
Python
[Knowledge Distillation]论文分析：Distilling the Knowledge in a Neural Network
[Knowledge Distillation]论文分析：Distilling the Knowledge in a Neural Network
38
1
1
《Understanding,generalisation,and transfer learning in deep neural networks》电子版地址
Understanding,generalisation,and transfer learning in deep neural networks
84
0
0
《Understanding and Improving Layer Normalization论文》电子版地址
Understanding and Improving Layer Normalization论文
90
0
0
《Learning Disentangled Representations for Recommendation解读电子书》电子版地址
Learning Disentangled Representations for Recommendation解读电子书
80
0
0
|
机器学习/深度学习
搜索推荐
【推荐系统论文精读系列】(十四)--Information Fusion-Based Deep Neural Attentive Matrix Factorization Recommendation
推荐系统的出现，有效地缓解了信息过载的问题。而传统的推荐系统，要么忽略用户和物品的丰富属性信息，如用户的人口统计特征、物品的内容特征等，面对稀疏性问题，要么采用全连接网络连接特征信息，忽略不同属性信息之间的交互。本文提出了基于信息融合的深度神经注意矩阵分解(ifdnamf)推荐模型，该模型引入了用户和物品的特征信息，并采用不同信息域之间的交叉积来学习交叉特征。此外，还利用注意机制来区分不同交叉特征对预测结果的重要性。此外，ifdnamf采用深度神经网络来学习用户与项目之间的高阶交互。同时，作者在电影和图书这两个数据集上进行了广泛的实验，并证明了该模型的可行性和有效性。
298
0
0
|
机器学习/深度学习
文字识别
并行计算
CV：翻译并解读2019《A Survey of the Recent Architectures of Deep Convolutional Neural Networks》第一章~第三章（三）
CV：翻译并解读2019《A Survey of the Recent Architectures of Deep Convolutional Neural Networks》第一章~第三章
206
0
0
|
机器学习/深度学习
人工智能
编解码
CV：翻译并解读2019《A Survey of the Recent Architectures of Deep Convolutional Neural Networks》第一章~第三章（一）
CV：翻译并解读2019《A Survey of the Recent Architectures of Deep Convolutional Neural Networks》第一章~第三章
155
0
0
