【论文阅读】End-to-end Learnable Clustering for Intent Learning in Recommendation

原创 已于 2025-03-02 15:30:10 修改 · 239 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#论文阅读

于 2025-03-02 15:29:42 首次发布

论文地址：https://proceedings.neurips.cc/paper_files/paper/2024/file/0b5669c3b07bb8429af19a7919376ff5-Paper-Conference.pdf

 借鉴：

第一项旨在将复杂的用户意图解耦为简单的意图单元。从技术上讲，它将不同的聚类中心推开，从而减少不同簇（意图）之间的重叠。

第二项旨在通过将行为嵌入拉向聚类中心，使用户的潜在意图与行为对齐。这种设计使簇内分布更加紧凑，并引导网络将相似的行为浓缩为一个意图。

isun11
关注
Sparse R-CNN: End-to-End Object Detection with Learnable Proposals - 稀疏-RCNN：具有可学习提议的端到端对象检测--阅读笔记
wfl6666的博客
11-24 655
Sparse R-CNN，端到端物体检测，proposal boxes , proposal features ,稀疏R-CNN完全避免了所有与对象候选对象设计和多对一标签分配相关的工作。更重要的是，最终的预测结果直接输出，没有非最大抑制后处理。稀疏R-CNN在具有挑战性的COCO数据集上展示了与建立良好的检测器基线相当的准确性、运行时和训练收敛性能，
每日论文记录2-TesseTrack: End-to-End Learnable Multi-Person Articulated 3D Pose Tracking（CVPR2021）
m0_54144584的博客
09-23 231
每日论文记录2-TesseTrack: End-to-End Learnable Multi-Person Articulated 3D Pose Tracking（CVPR2021）
End-to-end Learnable Clustering for Intent Learning in Recommendation论文笔记
qq_45528914的博客
02-11 437
泛读系列 | #推荐算法中的对比学习（蚂蚁）
【论文阅读_序列推荐】Intent Contrastive Learning for Sequential Recommendation
SmartLab307的博客
10-27 459
上述公式求解很复杂，因此根据EM算法，构造上式的下界，通过最大化下界来最大化上式，假设意图c满足分布Q(c)，∑cQ(ci)=1，并且Q(c)≥0，可以得到下式，等式右边第一个是求期望，第二个是乘上Q()/Q()，值不变。但是直接优化上式存在一个问题，就是不同的用户可能存在相同的意图，如果直接优化，可能会把相同意图的也作为负样本，即假阴性。前面我们提到序列推荐中，每次都用前t个子序列来预测第t+1时的商品，为了简化ICL损失函数的计算，只考虑最后一步的下界，则可以去掉上式的中间的求和，公式如下，
SIGIR25-推荐论文整理
cyzz523的博客
05-21 2051
上，例如学习用户在不同模态下的多方面偏好（如MELON），以及设计新颖的复合图卷积网络结构并结合双阶段融合策略（如COHESION）以增强模态间的协同。同时，研究热点也集中在。bias：图解耦去偏应用于POI推荐，探索用户、数据和推荐系统反馈回路中源偏见的放大机制，以及在LLM推荐中进行双重去偏。（例如LLM被用于增强双曲空间图推荐、辅助知识图谱的理解、以及实现图上的提示学习，常结合由粗到精的框架），以及对。来进一步提升推荐性能，共同推动图推荐技术向更深层次的理解、更强的表征能力及更广泛的应用领域迈进。
2024 推荐系统论文汇总
卢之
01-08 1万+
对2024年的 推荐系统论文进行一波收集，给各位初学者和算法大佬作为灵感来源，后续专栏会继续更新论文解读，根据评论不断补充，欢迎大家三连~
2020年 ICLR 国际会议最终接受论文(poster-paper)列表(二)
热门推荐
yinizhilianlove的博客
02-21 1万+
来源：AINLPer微信公众号（点击了解一下吧） 编辑: ShuYini 校稿: ShuYini 时间: 2020-02-21     2020年的ICLR会议将于今年的4月26日-4月30日在Millennium Hall, Addis Ababa ETHIOPIA（埃塞俄比亚首都亚的斯亚贝巴 千禧大厅）举行。     2020年ICLR会议（Eighth International Con...
【AAAI 2021】全部接受论文列表（六）
yinizhilianlove的博客
01-14 6996
来源：AINLPer微信公众号（点击了解一下吧） 编辑: ShuYini 校稿: ShuYini 时间: 2021-01-14 马上春节了，疫情又卷土而来，希望大家注意防护，爱护自己的身体 AAAI 2021论文接收情况   人工智能顶级会议AAAI 2021 已经给出接收论文列表，共有1692篇论文被接收，录取率21%，比去年的20.6%稍微有些上升。单从数量上看，也比去年多了101篇。本届 AAAI 2021已经是第35 届会议了。据 AAAI 2021官方网站，这个 2021年首个人工智能顶会将全.
2023 推荐系统论文整理
卢之
04-14 1万+
对2023年的推荐系统论文进行一波收集，给各位做灵感。
End-to-End Multi-Task Learning with Attention译文 【CVPR】
qq_45913945的博客
11-26 1412
End-to-End Multi-Task Learning with Attention 译文
Sparse R-CNN: End-to-End Object Detection with Learnable Proposals论文翻译
Q1u1NG的博客
12-04 1427
Sparse R-CNN: End-to-End Object Detection with Learnable Proposals论文翻译摘要 论文地址：Sparse R-CNN: End-to-End Object Detection with Learnable Proposals 代码地址：https://github.com/PeizeSun/SparseR-CNN 摘要 我们提出了Sparse R-CNN，一种纯稀疏的方法用于图像中的目标检测。现有的目标检测工作很大程度上依赖于密集候选目标，如在
[论文翻译]Sparse R-CNN: End-to-End Object Detection with Learnable Proposals
weixin_44403853的博客
07-26 775
Sparse R-CNN：具有可学习提案的端到端目标检测 摘要 我们提出稀疏R-CNN，一个纯稀疏检测图像物体的方法。现有目标检测的工作严重依赖于密集候选对象，比如在H×WH×WH×W大小的图像特征图的所有网格预定义kkk个锚框。但在我们的方法中，一个固定稀疏的可学习目标提案集合，总长为NNN，供给目标石鳖头来分类和定位。通过消除HWkHWkHWk个（多达数十万）手动设计的候选对象到N个（如100）可学习提案，稀疏R-CNN彻底避免了所有与候选目标设计和多对一标签分配的工作。更重要的是，最终预测直接输出，并
【论文阅读】多密钥低通信轮次的联邦学习安全聚合
wzx_442011334的博客
12-10 429
做到多密钥环境下的“单轮、无交互聚合”；支持任意数量的客户端掉线；安全性强：服务器与客户端均无法恢复其他实体的更新；精确加解密；无需可信第三方、无需多服务器架构；
TDT Loss Takes It All论文阅读
最新发布
weixin_64787709的博客
12-11 528
本文提出了 TDT Loss 这一无参数、即插即用的优化目标，将 TDT 学习整合到非自回归模型中，能够兼顾自回归和非自回归方法的优点。TDT Loss 使用符号不一致比例作为自适应权重 ρ ，动态地平衡了对未来序列预测的学习和对细粒度 TDT 拟合的学习。 TDT Loss 以可忽略不计的额外成本（计算复杂度 O（H），内存 O（1）显著提高了 SOTA 非自回归模型的预测性能。
【论文笔记•（智能体）】BAR: A Backward Reasoning based Agent for Complex Minecraft Tasks
m0_67549907的博客
12-10 981
BAR: 基于反向推理的Minecraft复杂任务智能体 摘要：本文提出BAR智能体，通过反向推理解决Minecraft复杂任务规划问题。针对正向推理在初始与目标状态间存在的感知鸿沟，BAR采用三模块架构：1)递归目标分解模块从目标状态逆向分解任务；2)状态一致性维护模块融合正反向推理解决状态冲突；3)阶段记忆模块复用高成功率分解结果提升效率。实验表明，BAR在静态与动态规划任务中均显著优于现有SOTA方法，验证了其在复杂任务规划中的优越性。该方法为开放世界环境中的智能体规划提供了新思路。
【论文阅读】VQ-VAE|Neural Discrete Representation Learning首个提出 codebook 机制的生成模型
一碗白开水一
12-09 890
VQ-VAE（Vector Quantized Variational Autoencoder）是一种结合向量量化的变分自编码器，由DeepMind提出。其核心思想是将连续隐变量离散化，通过码本（codebook）学习离散表示，适用于图像、音频等数据的生成与压缩。
FlowBench论文阅读：Workflow-Guided Planning for LLM-based Agents
阿正的梦工坊
12-08 657
FlowBench 是 EMNLP 2024 论文《FlowBench: Revisiting and Benchmarking Workflow-Guided Planning for LLM-based Agents》提出的首个工作流引导代理规划基准，旨在评估 LLM-based Agents 在知识密集型任务中的规划可靠性。
【论文笔记】《Improving action segmentation via explicit similarity measurement》
feizuiku0116的博客
12-08 7357
本文提出了一种基于显式相似性度量的动作分割方法ASESM，通过多分辨率特征提取和相似性投票提高初始预测精度，并设计迭代边界校正算法优化动作边界。监督学习框架采用多编码器结构，结合边界校正与片段平滑技术，在50Salads等数据集上验证了有效性。同时提出完全无监督的边界检测方法，仅依赖特征相似性无需训练。该方法解决了现有技术过度依赖逐帧分类和缺乏边界验证机制的问题，显著提升了动作分割性能。
【论文阅读】3D-VisTA：具身智能中统一多种下游任务的预训练Transformer模型
m0_62128746的博客
12-08 397
2023-https://3d-vista.github.io/-提出了首个用于3D-VL预训练的大规模数据集ScanScribe，提出了3D视角下的pretrain Transformer
Sparse DETR: efficient end-to-end object detection with learnable sparsity
04-26
引用中提到“learnable sparsity”，这可能涉及到某种可学习的注意力机制或门控结构，自动决定哪些区域需要被关注。此外，结合引用[2]的Sparse R-CNN，可能使用了类似的可学习建议框，但Sparse DETR作为DETR的改进，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值