Neural Collaborative Filtering
《Neural Collaborative Filtering》WWW 2017。这篇论文使用全连接神经网络实现了一个矩阵分解的推荐系统。给定一个user的特征表示,给定一个item的特征表示,通过神经网络输出用户对这个item感兴趣的分数。原文链接:Neural Collaborative Filtering。
《Neural Collaborative Filtering》WWW 2017。这篇论文使用全连接神经网络实现了一个矩阵分解的推荐系统。给定一个user的特征表示,给定一个item的特征表示,通过神经网络输出用户对这个item感兴趣的分数。原文链接:Neural Collaborative Filtering。
WWW 2018. 对随机游走进行了改进,提出了Pixie随机游走,实际上就是一个有偏的随机游走,根据相似度进行偏离,从而实现个性化推荐,而且使用了早停策略。原文链接:Pixie: A System for Recommending 3+ Billion Items to 200+ Million Users in Real-Time
KDD 2018。使用图卷积对顶点进行表示,学习顶点的 embedding ,通过卷积将该顶点的邻居信息融入到向量中。原文链接:Graph Convolutional Neural Networks for Web-Scale Recommender Systems。
ICDM 2008. 推荐系统:协同过滤在隐反馈数据上的应用,这个算法在GitHub上有人实现了,性能很强。这是我的阅读笔记,把论文当中的主要部分抽出来了。原文链接:Collaborative Filtering for Implicit Feedback Datasets