qq_35148758的博客

核心思想设计知识增强序列推荐的主要难点在于基于RNN的模型通常拥有优先的短期记忆。并不适合存储具有长期用途的外部知识。受到最近在神经网络的记忆机制方面的进展的启发，提出用外部记忆增强基于RNN的序列推荐。通过显式设置存储槽的外部记忆，记忆网络(MN)根据接收到的数据信号，使用一组预先设计好的操作来操作记忆，比如读和写。已有研究表明，记忆网络在记忆长期数据特征[3]方面是有效的，甚至可以随着时间的...

BERT4Rec: Sequential Recommendation with Bidirectional Encoder Representations from Transformer摘要这篇阿里提出的论文，将BERT中提出的双向transformer编码器用于序列化推荐中。然而在双向深度模型中，同时基于左右两个条件会使训练不起作用，因为每个item都可以直接看到terget item。...

(FDSA)基于特征级的深度自注意力网络的序列化推荐Abstract序列化推荐的目的是推荐用户在不久的将来可能进行交互的下一项物品，在各种互联网应用中已经变得极为重要。现有的文章通常考虑的是物品之间的转换模式，但是忽略了物品的特征之间的转换模式。论文中认为仅仅物品级别的序列不能完全的揭示序列模式，而显式和隐式特征级序列可以帮助提取完整的序列模式。本文提出了一种基于特征级的深度自注意力网络的序列...

Graph Contextualized Self-Attention Network for Session-based Recommendation图上下文只注意力网络做会话推荐摘要最近自注意力网络在各种序列化建模任务中取得了很大的成功，摒弃了RNN和CNN。然而SAN缺乏存在于相邻项上的局部依赖关系，并且限制了它学习序列化中项目上下文表示的能力。论文照片那个提出了一种利用图神经网络和自...