推荐系统论文阅读
关注
分享
扫一扫
论文
_ dingding_
华南理工大学硕士生，主要关注推荐系统，机器学习等。
展开
-
【论文阅读】Collaborative Filtering for Implicit Feedback Datasets
这篇论文要解决的实际问题（研究点）是什么？一般而言，用户基于item的显性反馈（比如评分数据）是可以出显示出用户对某样item的喜好程度的。但是现实生活中其实还存在着很多的隐性反馈（比如购买记录、浏览记录，搜索记录等）这样子的数据量其实是有非常的多的，但这一类数据普遍都存在一个缺陷，即它们是很难有证据显示出用户对该item的不喜欢程度（we lack substantial evidence o...原创 2019-03-01 21:50:00 · 1976 阅读 · 1 评论 -
【论文阅读】 Leveraging Distrust Relations to Improve Bayesian Personalized Ranking
Xu, Y.; Xu, K.; Cai, Y.; Min, H. Leveraging Distrust Relations to Improve Bayesian Personalized Ranking. Information 2018, 9, 191.这一篇工作同样是在BPR算法上的改进，在以往的算法中往往都只考虑了利用信任信息，比如前一篇文章BPRDR，而没有人利用过用户之间的不信...原创 2019-09-24 16:11:03 · 323 阅读 · 2 评论 -
【论文阅读】Improving Item Ranking by Leveraging Dual Roles Influence
Xu K, Xu Y, Min H, et al. Improving Item Ranking by Leveraging Dual Roles Influence[J]. IEEE Access, 2018, 6: 57434-57446.这一篇工作是实验室老师在2018年发表的，作者把信任网络加入到了BPR猜想中，因为作者认为用户选择某一个物品不仅仅会受自己信任的人所影响，也会受自己不...原创 2019-09-24 16:10:09 · 239 阅读 · 0 评论 -
【论文阅读】Leveraging Social Connections to Improve Personalized Ranking for Collaborative Filtering
Zhao T, Mcauley J, King I, et al. Leveraging Social Connections to Improve Personalized Ranking for Collaborative Filtering[C]. conference on information and knowledge management, 2014: 261-270.这篇论...原创 2019-09-24 16:09:20 · 639 阅读 · 1 评论 -
【论文阅读】BPR: Bayesian personalized ranking from implicit feedback
Rendle S, Freudenthaler C, Gantner Z, et al. BPR: Bayesian personalized ranking from implicit feedback[C]//Proceedings of the twenty-fifth conference on uncertainty in artificial intelligence. AUAI Pr...原创 2019-09-24 16:07:41 · 1224 阅读 · 0 评论 -
【论文阅读】Top-N Trustee Recommendation with Binary User Trust Feedback
Xu K, Cai Y, Min H, et al. Top-N Trustee Recommendation with Binary User Trust Feedback[C]//International Conference on Database Systems for Advanced Applications. Springer, Cham, 2018: 269-279.在信任...原创 2019-09-24 16:06:57 · 183 阅读 · 0 评论 -
【论文阅读】Improving user recommendation by extracting social topics and interest topics of users in uni-
Xu K, Zheng X, Cai Y, et al. Improving user recommendation by extracting social topics and interest topics of users in uni-directional social networks[J]. Knowledge-Based Systems, 2018, 140: 120-133....原创 2019-09-24 16:06:09 · 281 阅读 · 2 评论 -
【论文阅读】Community-based user recommendation in uni-directional social networks
Zhao G, Lee M L, Hsu W, et al. Community-based user recommendation in uni-directional social networks[C]//Proceedings of the 22nd ACM international conference on Information & Knowledge Management...原创 2019-09-24 16:05:12 · 374 阅读 · 0 评论 -
【论文阅读】Collaborative filtering for implicit feedback datasets
Hu Y, Koren Y, Volinsky C. Collaborative filtering for implicit feedback datasets[C]//2008 Eighth IEEE International Conference on Data Mining. Ieee, 2008: 263-272.IF-MF这篇工作也是一篇非常经典的工作，是上一篇论文的同一个作者...原创 2019-09-24 16:04:01 · 436 阅读 · 0 评论 -
【论文阅读】Matrix factorization techniques for recommender systems
Koren Y, Bell R, Volinsky C. Matrix factorization techniques for recommender systems[J]. Computer, 2009 (8): 30-37.这一篇文章是关于矩阵分解的一篇很经典的文章，发表在2009年，MF的提出是为了缓解用户物品矩阵的数据稀疏性以及为了提升推荐的准确性。该方法把用户物品评分矩阵拆解成...原创 2019-09-24 16:00:39 · 1651 阅读 · 1 评论 -
【论文阅读】UIS-LDA: a user recommendation based on social connections and interests of users in uni-direc
Xu K, Cai Y, Min H, et al. UIS-LDA: a user recommendation based on social connections and interests of users in uni-directional social networks[C]//Proceedings of the International Conference on Web I...原创 2019-09-24 15:44:09 · 279 阅读 · 0 评论 -
【论文阅读】Social-network analysis using topic models
Cha Y, Cho J. Social-network analysis using topic models[C]//Proceedings of the 35th international ACM SIGIR conference on Research and development in information retrieval. ACM, 2012: 565-574.这是20...原创 2019-09-24 15:42:51 · 537 阅读 · 1 评论 -
【论文阅读】使用LDA进行用户推荐
Blei D M, Ng A Y, Jordan M I. Latent dirichlet allocation[J]. Journal of machine Learning research, 2003, 3(Jan): 993-1022.Latent dirichlet allocation 是发表于2003年的一篇非常经典的工作，该方法名称可以简写为LDA，当然我这里看这一篇论文不...原创 2019-09-24 15:41:13 · 1070 阅读 · 0 评论 -
【论文阅读】最近看的一些关于推荐系统的论文（共13篇）
写在前面下面是我最近看的一些论文，论文主要是关于：1、利用LDA进行社交网络的用户推荐；2、BPR的一些改进算法；3、MF的一些改进算法每一篇论文都用一页PPT来进行总结，总结的很简单，所以在每一页PPT下面加上了想表达的备注。（本来是准备和导师讲的，但是导师没空，所以想说还是把内容总结出来吧，不然过段时间就忘了~）完整的PPT可以在文末找到下载链接~P1这一页是目录，是我下面要...原创 2019-09-07 12:19:39 · 8213 阅读 · 0 评论 -
【论文阅读+实现】BPR: Bayesian Personalized Ranking from Implicit Feedback
1.BPR是什么？BPR 的全称是贝叶斯个性化排序（Bayesian Personalized Ranking）,它是一种排序算法，做的是TopN任务。适用于隐性反馈数据，当然显性反馈数据把评分变成隐性的也行。以往做TopN任务的做法是利用用户的行为数据，得到用户对所有物品的预测评分，按照分数的高低进行排序推荐，比如FunkSVD。以往那些方法的建模目标是对于要进行推荐的物品尽可能的预测...原创 2019-08-27 16:51:54 · 6757 阅读 · 22 评论 -
【论文阅读】Real-time Personalization using Embeddings for Search Ranking at Airbnb
https://mp.weixin.qq.com/s/oOQfV35x9IJgE0y_ecjntA感觉很像Item2Vec: Neural Item Embedding for Collaborative Filtering～原创 2019-05-27 15:26:53 · 481 阅读 · 0 评论 -
【论文阅读】conversational recommender system
这是和小组成员一起做的PPT，都是截图原创 2019-05-14 13:13:27 · 1971 阅读 · 5 评论 -
【论文阅读】Neural Collaborative filtering
Neural Collaborative filtering(WWW 2017)何向南，主页 http://staff.ustc.edu.cn/~hexn/GitHub：https://github.com/hexiangnan/neural_collaborative_filtering原创 2019-05-14 12:59:08 · 1119 阅读 · 5 评论 -
【论文阅读】Slim: Sparse linear methods for top-n recommender systems
Ning X, Karypis G. Slim: Sparse linear methods for top-n recommender systems[C]//2011 IEEE 11th International Conference on Data Mining. IEEE, 2011: 497-506.这一篇论文是2011年发表在ICDM上的一篇工作。论文的提出主要是为了提升推荐的...原创 2019-09-24 16:11:53 · 1274 阅读 · 0 评论