WYH19951220的博客

准研一刚入学的时候，师兄曾教过一些阅读文献的注意事项，我觉得非常有用，因此总结并记录下来。一. 这个论文研究什么问题（三点）第一：要解决的问题（problem）第二：面临的挑战（challenge）第三：动机（motivation）这三点一定要仔细深究一下。1. 要解决的问题（problem）又包含三个要素：目标（objective），约束（constraint），控制变量（dec...

摘要：我们表明协同过滤可以被视为一种序列预测问题，并且给出了解释，递归神经网络提供了非常有竞争力的方法。 我们特别研究了如何将长期短期记忆（LSTM）应用于协同过滤，以及它如何与电影推荐的标准最近邻法和矩阵分解方法进行比较。 最终表明LSTM在各个方面都很优秀，并且在物品覆盖率和短期预测方面基本优于其他方法。关键词：协同过滤，推荐系统，循环神经网络，LSTM，深度学习1.介绍：协同过滤...

递归神经网络最近已成功地应用于基于会话的推荐问题中，并且是基于序列预测的协同过滤日益增长的兴趣的一部分。这种新的推荐方法揭示了以前被忽视的一个方面：短期和长期推荐之间的差异。 在这项工作中，我们描述了许多种协同过滤方法的完整短期/长期概况，并且我们展示了如何应用循环神经网络进行更好的短期或长期预测。我们还表明，RNN不仅适用于基于会话的协同过滤，而且非常适合在密集数据集上进行协同过滤，并且它优于传...

LightGBM：一种高效的梯度提升决策树摘要：梯度提升决策树（GBDT）是一种流行的机器学习算法，并且有很多有效的实现，如XGBoost和pGBRT。 尽管在这些实现中已经采用了许多工程优化，但是当特征维度高且数据量大时，效率和可伸缩性仍然不能令人满意。一个主要原因是，对于每个特征，需要扫描所有数据实例以估计所有可能的分裂点的信息增益，这非常耗时。为了解决这个问题，我们提出了两种新技术：...