zuolixiangfisher的博客

原文链接文章目录摘要1、简介2、前言3、提出方法3.1 RR集的鞅视图3.2 节点选择阶段3.3 采样阶段3.4 组合到一起4、扩展4.1 IMM的泛化4.2 应用到连续时间模型5、相关工作6、实验原TIM,TIM+在计算OPT下界时过于保守，导致 θ\thetaθ 很大，仍然有很大计算量。摘要给定一个社交网络 GGG 和一个正整数 kkk，影响最大化问题会要求 kkk 个节点(在 GGG 中)，采用某个想法或产品可能会触发其余节点最大预期的后续采用次数。该问题已在文献中进行了广泛研究，并且最先进的

摘要给定一个社交网络 GGG 和一个常数 kkk，影响最大化问题要求在预定义的扩散模型下，GGG 中的 kkk 个节点（直接和间接）影响最大数量的节点。该问题在病毒营销中发现重要的应用，并且已经在文献中进行了广泛的研究。现有的影响最大化的算法，或者为实际效率而进行的贸易近似保证，反之亦然。特别是，在突出的独立级联 (IC) 模型或线性阈值 (LT) 模型下实现常数因子近似的算法中，没有一种算法可...

文章目录摘要1、简介2、问题定义3、学习社交表征3.1 随机游走3.2 连接：幂定律(power laws)3.3 语言模型4、方法4.1 概览4.2 算法：深度游走4.3 并行化摘要我们提出了DeepWalk，这是一种用于学习网络中顶点的隐表示的新颖方法。这些隐表征将社会关系编码在一个连续的向量空间中，这很容易被统计模型利用。 Deep-Walk 概括了语言建模和无监督特征学习(或深度学习)方面的最新进展，从单词序列到图形。DeepWalk使用从截断的随机游走中获得的局部信息，通过将游走视为句子的等

原文链接

这篇文章是阿里18年发的，非常经典的一个模型。4、深度兴趣网络与主动搜索不同，用户进入展示广告系统时没有明确表达其意图。 建立CTR预测模型时，需要有效的方法来从丰富的历史行为中提取用户兴趣。 描绘用户和广告的功能是广告系统点击率建模的基本元素。 合理利用这些功能并从中挖掘信息至关重要特征表示在工业级CTR预估任务中，数据通常是多组类目形式的，例如 [ weekday=Friday, ...

1、摘要基于神经网络的多任务学习已经在实际场景如推荐系统中有了大规模应用，例如在电影推荐中，除了要给用户推荐他们可能购买或者观看的电影，还要考虑用户后续对这部电影的评价。通过多任务学习，我们的目标是利用一个模型来学习多个实际业务中的目标，但是，常用的多任务模型的预测质量通常对任务之间的关系很敏感。因此，研究特定于任务的目标与任务间关系之间的建模权衡非常重要。google推荐团队提出了一种新的多...

摘要文章针对推荐系统提出了一种新的堆叠和重构图卷积网络(STAR-GCN)结构来学习节点的表征，提高推荐系统的效率，特别是在冷启动场景。STAR-GCN采用一堆GCN编码器/解码器与中间监督相结合，以提高最终预测性能。同图卷积矩阵分解模型用one-hot节点作为输入不同，STAR-GCN学习低维的user、item 隐表征作为输入来限制模型的空间复杂度。STAR-GCN可以通过重建屏蔽的输入节点...