- 博客(6)
- 收藏
- 关注
RSS订阅原创 （边学边写系列）面向意图的顺序推荐模型：IOCLRec--中科大
这篇发表在AAAI上的文章提出IOCLRec框架，通过动态建模用户意图改进序列推荐。方法将用户历史交互分割为粗粒度意图子序列，设计三个对比学习模块：细粒度意图聚类实现跨用户对比；单意图模块增强主导意图；多意图模块捕捉意图转换。实验在亚马逊数据集上验证了其优于现有模型（HR@20提升4.12%）。该工作创新性地将意图动态性与对比学习结合，为可解释推荐提供新思路。
2025-09-09 15:43:28
969
原创 （边学边写系列）融合用户多样化意图的推荐系统--Google
这篇文章提出了一种基于用户意图的推荐系统多样化框架，突破了传统仅关注项目间相似度的局限。通过贝叶斯概率建模用户动态意图（如探索意图），并结合贪婪算法实现整页推荐优化。实验表明，该方法显著提高了用户对新创作者的交互（+15%）、重复探索行为（+10%）和内容广度（+8%）。研究发现，用户历史行为多样性、会话特征与探索意图强相关，且意图具有短期动态性。该方法能根据用户意图倾向动态调整推荐策略，在保持相关性的同时优化长期用户体验指标。
2025-09-06 18:03:53
741
原创 （边学边写系列）检索排序融合的生成式推荐与偏好对齐：OneRec----快手
OneRec提出了一种统一的生成式推荐模型，取代传统级联推荐系统。该模型采用编码器-解码器架构：编码器处理用户历史交互，解码器基于MoE结构生成5-10个视频的会话列表。通过定义高质量会话标准（观看数≥5、时长达标、有交互行为）构建训练数据，并引入奖励模型评估会话质量，结合直接偏好优化(DPO)进行迭代优化。实验在快手数据集上验证了模型有效性，1%DPO率即带来显著改进。相比传统系统，OneRec突破了级联阶段限制，实现了端到端统一建模。
2025-08-27 16:37:17
1918
2
原创 (边学边写系列)集成协同语义的LLM4Rec模型：LC-Rec--腾讯
本文介绍了一种结合语言模型与协同语义的推荐方法LC-Rec，解决了推荐系统中语义鸿沟问题。核心方法包括：1）通过RQ-VAE量化生成语义ID，并引入最优传输理论优化分配以减少语义冲突；2）设计三类语义对齐任务（显式索引、隐式推荐导向、个性化偏好推断）来增强语言与协同语义的融合。实验在亚马逊三个品类数据集上验证了方法的有效性，相比TIGER等基线模型有显著提升。该研究为大模型在推荐系统的应用提供了新思路，特别是在语义对齐方面做出了创新性贡献。
2025-08-21 13:47:01
2043
原创 (边学边写系列)生成式检索推荐模型：TIGER--Google
本文介绍了一种基于生成式检索的新型推荐系统方法，通过语义ID生成技术实现端到端的候选物品召回。该方法利用预训练模型提取物品内容特征，采用残差量化(RQ-VAE)将特征编码为语义元组作为物品ID，并构建Transformer模型进行序列推荐。实验表明，该模型在多项指标上优于SOTA方法。主要创新点包括：1)将物品特征转化为语义ID；2)通过生成式方法直接预测候选物品；3)有效解决语义碰撞问题。
2025-08-17 20:29:27
1868
3
原创 Windows C盘扩容（包含WinPE下载）
没有关系，本文会给你最详细最安全最简便的方式扩容C盘。在上面步骤中，因为需要改动的是系统盘，DiskGenius会自动进入WinPE环境中进行扩容处理，如果电脑之前没有装过WinPE会报错。打开DiskGenius，右键点击与C盘在同一磁盘上的D盘，点击调整分区大小。跳转到WinPE后DiskGenius会自动操作，全程不需要其他操作。（也可以通过DiskGenius自动跳转界面进行下载）我的电脑/此电脑 → 属性 → Windows规格。输入要分给C盘的分区前部空间，点击合并到C盘。看一下是不是成功了！
2025-04-14 11:14:34
897
3
推荐系统论文代码复现“Disentangled Self-Supervision in Sequential Recommenders”
2025-05-21
推荐系统论文代码复现：“Self-Attentive Sequential Recommendation”
2025-04-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人