《session-based recommendations with recurrent neural networks》ICLR 2016 阅读笔记

最新推荐文章于 2022-11-27 18:59:51 发布
原创 最新推荐文章于 2022-11-27 18:59:51 发布 · 2.9k 阅读 · 3 ·
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：

#推荐-RNN-GRU

文章简介: 该文提出了利用RNN建模一个session间用户的点击序列。该方法完全利用用户在当前session里的反馈去做推荐，相比原依赖用户历史记录的推荐能在解决冷启动问题上更为简洁有效。

  • 模型

文中提出的模型如下图所示:
Input层是对所有item做的one-hot encoding, 接下来是一层embedding层，再往下是一层或多层RNN模型，再往下是一个feedforward层，然后接到output，是一个维数等于item数量的向量，其中各元素为各item的打分。

这里写图片描述

文中选用的loss function有两种：
一种是BPR: Bayesian Personalized Ranking, 是一种pairwise ranking loss.

Ls=−1NS∑j=1Nslog(σ(
最低0.47元/天 解锁文章
推荐系统遇上深度学习(四十)-SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS
abcdefg90876的博客
04-29 1336
好啦，是时候继续我们推荐系统的学习了，从本篇开始，我们来一起了解一下Session-Based Recommendation。今天，我们介绍的文章题目为《SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS》，通过循环神经网络来进行会话推荐。论文下载地址为：http://arxiv.org...
Session-based Recommendations with Recurrent Neural Networks
D_feather的博客
03-27 483
Abstract 我们将RNN使用在了一个新的领域——推荐系统。现实的推荐系统经常面对短对话数据（例如体育服装店）而不是充足的用户使用记录（例如Netflix)。在这种情况下，经常被称赞的矩阵分解的方法不在准确。这个问题在实践中经常使用基于物品的推荐来解决。例如，推荐相似物品。我们认为通过对整个会话进行建模可以给出更加准确的建议。因此，我们提出了一种基于会话的RNN推荐方法。我们的方法同样被认为在...
Session-based recommendations with recurrent neural networks（阅读理解）
u014029197的博客
06-08 3188
本文是最大贡献在于第一次将RNN使用到Session-based Recommendation中作者将用户的行为作为看做是序列问题，有效的将时间信息添加到网络中，在传统的两类推荐方法中——基于内容的推荐算法和协同过滤推荐算法（model-based、memory-based）在刻画序列数据中存在缺陷：每个item相互独立，不能建模item的连续偏好信息，缺失了整个序列的休息。而本文的方法恰好运用到...
论文笔记：session-based recommendations with recurrent neural networks
chris_xy的博客
09-24 4581
占坑中。。。。。。。。。。。。。。作者尝试了 常见的 point-wise rank loss，即认为负样本为 0， 正样本为 1 的loss function，发现训练出来的模型并不稳定，原因可能因为在推荐里面，并不存在绝对的正样本和负样本。在同一个情景里面，用户只能点击一个最偏好的item，对其他item可能也存在偏好，这并不是一个非黑即白的classification问题。然后作者尝试了 pa
Session-based Recommendations with Recurrent Neural Networks.pdf
05-30
Session-based recommendation is a relatively unappreciated problem in the machine learning and recommender systems community.
《论文阅读》SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS
qq_43238825的博客
11-27 1444
《SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS》阅读笔记
SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS.pdf
05-16
本文讨论了一种基于会话的推荐系统方法，该方法利用循环神经网络（Recurrent Neural Networks, RNN）来处理推荐系统中的短期行为数据。推荐系统是电子商务、社交媒体、新闻网站等领域的重要组成部分，它们旨在为用户...
论文阅读笔记一：SESSION-BASED RECOMMENDATIONS WITHRECURRENT NEURAL NETWORKS
m0_64290725的博客
07-23 1183
论文阅读笔记一：SESSION-BASED RECOMMENDATIONS WITHRECURRENT NEURAL NETWORKS，基于RNN的会话推荐。
《Improved Recurrent Neural Networks for Session-based Recommendations》 DLRS 2016 阅读笔记
studyless的博客
03-06 2650
简介：和上一篇介绍的ICLR 2016文章所要解决的问题一致，即利用session内用户的点击序列去预测用户下一次点击的item。方法也运用的RNN，但是更多在于引入了一些优化方法，如data augmentation, model pretrain, generalized distillation ( use of privileged information) 等。
SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS
武文杰的博客
08-27 551
文章目录1. RELATED WORK1.1 item-to-item1.2 deep learning2. RECOMMENDATIONS WITH RNNS3. CUSTOMIZING THE GRU MODEL3.1 SESSION-PARALLEL MINI-BATCHES 这是一篇发表在2016年ICLR上的文章，用RNN应用在推荐系统中，输入session中现在的行为序列，预测下一个可能的行为。适用于用户信息较少的场景（missing the user profile） 1. RELATED
2016-Session based Recommendations with Recurrent Neural Networks.pdf
06-11
Session based Recommendations with Recurrent Neural Networks
Improved Recurrent Neural Networks for Session-based Recommendations.pdf
06-11
Improved Recurrent Neural Networks for Session-based Recommendations
2019-Session-based Recommendation with Graph Neural Networks.pdf
01-14
2019-Session-based Recommendation with Graph Neural Networks
【推荐算法论文阅读】Session-based recommendations with recurrent neural networks
qq_36643449的博客
01-06 1420
一、背景 基于会话的推荐方法，主要有基于物品的协同过滤和基于马尔可夫决策过程的方法。 基于物品的协同过滤，需要维护一张物品的相似度矩阵，当用户在一个session中点击了某一个物品时，基于相似度矩阵得到相似的物品推荐给用户。这种方法简单有效，并被广泛应用，但是这种方法只把用户上一次的点击考虑进去，而没有把前面多次的点击都考虑进去。 基于马尔可夫决策过程的推荐方法，也就是强化学习方法，其主要学习的是状态转移概率，即点击了物品A之后，下一次点击的物品是B的概率，并基于这个状态转移概率进行推荐。这样的缺陷主要是随
SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS论文解读
SCS199411的博客
06-09 751
SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS ICLR2016 首先介绍下session-based 的概念：session是服务器端用来记录识别用户的一种机制. 典型的场景比如购物车，服务端为特定的对象创建了特定的Session，用于标识这个对象，并且跟踪用户的浏览点击行为。我们这里可以将其理解为具有时序关系的一些记...
推荐系统遇上深度学习(四十一)-Improved Recurrent Neural Networks for Session-based Recommendations...
abcdefg90876的博客
05-02 810
本文论文的题目是《Improved Recurrent Neural Networks for Session-based Recommendations》 论文下载地址为：https://arxiv.org/abs/1606.08117 本文仍然使用RNN做基于会话的推荐，但在此基础上，提出了几种提升预测效果的方法，我们一起来学习一下吧。 1、基础模型 ...
基于记忆优先级的短序列推荐（Session-based Recommendation）
paper_reader的博客
09-27 8533
阅读更多，欢迎关注公众号：论文收割机（paper_reader） 原文链接：基于记忆优先级的短序列推荐 Liu Q, Zeng Y, Mokhosi R, et al. STAMP: Short-Term Attention/Memory Priority Model for Session-based Recommendation[C] Proceedings of the 24th AC...
gru4rec
最新发布
05-17
该项目实现了 ICLR 2016 论文中提出的“Session-based Recommendations with Recurrent Neural Networks”的核心思想[^2]。 - **项目地址**: [https://gitcode.com/gh_mirrors/gr/GRU4Rec]...
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