Abstract 用户与推荐系统的交互有三个方面:浏览,产生点击行为,不作为.在这项工作中,我们在推荐系统中布置了一项调查,根据人类心理上决策理论,中用户和推荐系统的角度解释用户不作为的意义.本文进一步推断用户不作为 去看看~
月度归档： 2019年5月
Explainable Cross-Domain Recommendations through Relational Learning(AAAI 2018)
Abstract 这篇文章是我见到的发表在AAAI上的一篇短论文,本文提出了一种可以生成关于跨领域问题的可解释推荐规则.本文的贡献是:使用关系生成规则,这些规则能够解释为什么把商品推荐给特定用户. 2. 使用用户在不同领域 去看看~
《深度学习在美团推荐平台排序中的运用》知识点整理
深度学习在美团推荐平台排序中的运用这篇文章写得非常好，但是对于小白的我来说有一些知识点不是那么容易啃，所以在此特意做一个整理，防止自己以后会忘记…本文是对《深度学习在美团推荐平台排序中的运用》的二次加 去看看~
A Multi-View Deep Learning Approach for Cross Domain User Modeling in Recommendation Systems(2015)
Abstract 在这项工作中，本文提出了一个基于内容的推荐系统，以解决推荐质量和系统可扩展性.根据用户的浏览历史记录和搜索查询,文章提出了一些能够完美刻画用户的特征表示.本文使用深度学习方法将用户和项目映射到潜 去看看~
Learning to Rank using Gradient Descent
Abstract 本文提出了 RankNet, 引出pairwise排序方法梯度下降法来学习排序. 我们使用神经网络来实现这个 idea本文使用 toy data来测试结果.这是第一篇关于 AUC 优化 pairwise 方法的论文, 虽然已经过去了几年,但是对 去看看~