陈四角

引子 今天是2017年11月1日，新的一个月开始了。离9月29号接受待录取通知已经过去一个月。这两周没有课，课程设计也刚刚全部结束。现在在家，码这些字。 大概是大三下学期也就...

若冰说

算来，婆婆去世到今天，已然一年有余。眼前，却总还是浮现出她坐在我们新装修的厨房里，喝着咖啡，一家人围坐在餐桌旁聊天的情景。 2018年8月28日，下午六点钟。 时间仿佛定格在...

_Ustinian

1、问题背景 随着推荐系统的发展，可解释性逐渐成为一个重要的研究方向，因为在推荐相关商品的时候会给出一定解释，这样可以给用户带来一定的可信度，从而提高点击率。 当前可解释推荐...

_Ustinian

1、问题背景 随着这些年网络的发展，产生了各种各样的信息，就新闻领域来说，人们要想在其中找到自己感兴趣的新闻有极大的难度，而这促进了推荐系统的发展。一般来说，新闻是高度压缩的...

_Ustinian

1、摘要 协同过滤方法由于user-item矩阵的稀疏性，效果受限。可以使用辅助信息解决这个问题。在本文中，微软探索了如何利用知识库中的各种不同的信息去提升推荐系统的perf...

_Ustinian

1、背景 随着深度学习的发展，人们探索出了一系列的方法来处理序列化数据，RNN是其中的一个代表。但是对于序列化推荐，RNN的处理方式有很大的不足，如其最后编码后的隐向量很难理...

_Ustinian

1、背景介绍 近来，因为知识图谱(KG)中具有很多有关商品的属性信息，如电影的演员、主演等，常用于增加推荐系统的质量，而且相比于原来的只有user-item 交互信息的推...