- 2024-11-14movie-recommender-chatbot
movie-recommender-chatbothttps://github.com/7AM7/movie-recommender-chatbot/tree/mainimportloggingfromsemantic_routerimportRoute,RouteLayerfromsemantic_router.encodersimportOpenAIEncoderfromconfigimportConfiglogger=logging.getLogger(&
- 2024-07-01推荐系统(Recommender Systems) 原理与代码实例讲解
推荐系统(RecommenderSystems)-原理与代码实例讲解1.背景介绍1.1问题的由来在海量信息时代，用户面对的信息量爆炸性增长，如何在庞大的数据中找到符合个人兴趣和需求的内容成了一个挑战。推荐系统正是为了解决这个问题而诞生的。通过分析用户的偏好、行为以及历史记录，
- 2024-06-02Uncovering ChatGPT’s Capabilities in Recommender Systems论文阅读笔记
UncoveringChatGPT’sCapabilitiesinRecommenderSystems论文阅读笔记Abstract 在本研究中，我们的目标是通过将ChatGPT的推荐能力与传统的信息检索（IR）排名能力对齐，包括点排序、成对排序和列表排序。为了实现这一目标，我们将上述三种建议策略重新制定为专门针对现有领域而定制
- 2024-05-28Towards Universal Sequence Representation Learning for Recommender Systems
目录概符号说明UniSRec统一的文本表示统一的序列表示Parameter-EfficientFine-tuning代码HouY.,MuS.,ZhaoW.X.,LiY.,DingB.andWenJ.TowardsUniversalSequenceRepresentationLearningforRecommenderSystems.KDD,2022.概本文提出了一个用text替代ID
- 2024-05-05A Critical Study on Data Leakage in Recommender System Offline Evaluation
目录概主要内容数据集统计信息Top-NRecommendationListRecommendationAccuracy理想的切分方式代码JiY.,SunA.,ZhangJ.andLiC.Acriticalstudyondataleakageinrecommendersystemofflineevaluation.TOIS,2022.概本文讨论了现在的推荐系统评价方式(如L
- 2024-05-04Do Loyal Users Enjoy Better Recommendations? Understanding Recommender Accuracy from a Time Perspect
目录概实验设置实验Interaction-basedLoyaltyActiveTimePeriodbasedLoyaltyRecency代码JiY.,SunA.,ZhangJ.andLiC.DoLoyalUsersEnjoyBetterRecommendations?UnderstandingRecommenderAccuracyfromaTimePerspective.ICTIR,2022.概讨论了推荐中一
- 2024-04-11【论文随笔】会话推荐系统综述(A Survey on Conversational Recommender Systems)
前言今天读的论文为一篇于2021年5月发表在《ACM计算机调查》(ACMComputingSurveys)的论文，文章提供了对话式推荐系统（CRS）的全面综述，探讨了CRS的定义、概念架构、交互方式、知识元素、计算任务以及评估方法。文章还讨论了CRS在不同应用环境中的实现，如智能家居助手和聊天机器人，并指
- 2024-04-11【论文随笔】多行为序列Transformer推荐(Multi-Behavior Sequential Transformer Recommender)
前言今天读的论文为一篇于2022年7月发表在第45届国际计算机学会信息检索会议（SIGIR'22）的论文，文章主要为推荐系统领域提供了一个新的视角，特别是在处理用户多行为序列数据方面，提出了一种有效的Transformer模型框架。要引用这篇论文，请使用以下格式：[1]Yuan,Enming,etal."Multi
- 2024-04-11补充：基于项目的协同过滤推荐算法(Item-Based Collaborative Filtering Recommendation Algorithms)
前言继续上篇博客，继续读论文。想看上篇论文的同学可以点击这里相关工作Inthissectionwebrieflypresentsomeoftheresearchliteraturerelatedtocollaborativefiltering,recommendersystems,dataminingandpersonalization.在本节中，我们简要介绍了一些与协同
- 2024-04-11【论文随笔】深度推荐系统的自动化_一项调查(Automl for deep recommender systems_ A survey)
前言今天读的论文为一篇于2021年1月发表在ACMTransactionsonInformationSystems的论文，本文是一篇关于深度推荐系统自动化机器学习（AutoML）的综述，由RuiqiZheng、LiangQu、BinCui、YuhuiShi和HongzhiYin共同撰写。文章首先提出了一个抽象概念——AutoMLforDeepRecommende
- 2024-04-11读论文-序列感知推荐系统(Sequence-Aware Recommender Systems)
前言今天读的论文为一篇于2018年发表在(ACMcomputingsurveys(CSUR))的论文，这篇文章主要讲述了序列感知推荐系统（Sequence-AwareRecommenderSystems）的研究和应用。文章首先介绍了推荐系统在实际中的应用背景，然后指出了传统推荐系统在处理用户行为序列信息方面的局限性。接着，文
- 2024-04-11读论文-新闻推荐系统：近期进展、挑战与机遇的评述(News recommender system_ a review of recent progress, challenges, and oppor
前言今天读的论文为一篇于2022年发表在"人工智能评论"(ArtificialIntelligenceReview)的论文，文章主要强调了NRS面临的主要挑战，并从现有技术中确定了可能的解决方案。引用这篇论文：[1]Raza,Shaina,andChenDing."Newsrecommendersystem:areviewofrecentprogress,c
- 2024-04-02Where to Go Next for Recommender Systems? ID- vs. Modality-based Recommender Models Revisited
目录概符号/缩写说明TrainingdetailsDatasetsE2E下MoRec是否优于IDRec?RegularsettingWarmsetting越好的encoder带来越好的推荐效果?TSversusE2E?总结代码YuanZ.,YuanF.,SongY.,LiY.,FuJ.,YangF.,PanY.andNiY.Wheretogonextforrecommendersys
- 2024-03-01【论文随笔】深度推荐系统的自动化:一项调查(Automl for deep recommender systems: A survey)
前言今天读的论文为一篇于2021年1月发表在ACMTransactionsonInformationSystems的论文，本文是一篇关于深度推荐系统自动化机器学习（AutoML）的综述，由RuiqiZheng、LiangQu、BinCui、YuhuiShi和HongzhiYin共同撰写。文章首先提出了一个抽象概念——AutoMLforDeepRecommende
- 2024-02-27【论文随笔】多行为序列Transformer推荐(Multi-Behavior Sequential Transformer Recommender)
前言今天读的论文为一篇于2022年7月发表在第45届国际计算机学会信息检索会议（SIGIR'22）的论文，文章主要为推荐系统领域提供了一个新的视角，特别是在处理用户多行为序列数据方面，提出了一种有效的Transformer模型框架。要引用这篇论文，请使用以下格式：[1]Yuan,Enming,etal."Multi
- 2024-02-24【论文随笔】会话推荐系统综述(A Survey on Conversational Recommender Systems)
前言今天读的论文为一篇于2021年5月发表在《ACM计算机调查》(ACMComputingSurveys)的论文，文章提供了对话式推荐系统（CRS）的全面综述，探讨了CRS的定义、概念架构、交互方式、知识元素、计算任务以及评估方法。文章还讨论了CRS在不同应用环境中的实现，如智能家居助手和聊天机器人，并指
- 2024-02-22读论文-序列感知推荐系统(Sequence-Aware Recommender Systems)
前言今天读的论文为一篇于2018年发表在(ACMcomputingsurveys(CSUR))的论文，这篇文章主要讲述了序列感知推荐系统（Sequence-AwareRecommenderSystems）的研究和应用。文章首先介绍了推荐系统在实际中的应用背景，然后指出了传统推荐系统在处理用户行为序列信息方面的局限性。接着，文
- 2024-02-05读论文-顺序推荐系统:挑战、进展和前景(Sequential recommender systems: challenges, progress and prospects)
前言今天读的论文为一篇于2019年发表的论文，是关于顺序推荐系统（SequentialRecommenderSystems，SRSs）的研究，作者对SRSs的挑战、进展和前景进行了系统综述。要引用这篇论文，请使用以下格式：Wang,Shou,etal."Sequentialrecommendersystems:challenges,progressandprospect
- 2024-01-28补充：基于项目的协同过滤推荐算法(Item-Based Collaborative Filtering Recommendation Algorithms)
前言继续上篇博客，继续读论文。想看上篇论文的同学可以点击这里相关工作Inthissectionwebrieflypresentsomeoftheresearchliteraturerelatedtocollaborativefiltering,recommendersystems,dataminingandpersonalization.在本节中，我们简要介绍了一些与协同
- 2023-09-22DE-RRD: A Knowledge Distillation Framework for Recommender System
目录概DE-RRDDistillationExperts(DE)RelaxedRankingDistillation(RRD)代码KangS.,HwangJ.,KweonW.andYuH.DE-RRD:Aknowledgedistillationframeworkforrecommendersystem.CIKM,2020.概知识蒸馏应用于推荐系统(同时迁移隐层+输出层特征).DE-RRD
- 2023-09-22Topology Distillation for Recommender System
目录概TopologyDistillationFullTopologyDistillation(FTD)HierarchicalTopologyDistillation(HTD)代码KangS.,HwangJ.,KweonW.andYuH.Topologydistillationforrecommendersystem.KDD,2021.概一种基于关系的知识蒸馏,这种关系的处理比较特殊.Topolog
- 2023-09-20Ranking Distillation: Learning Compact Ranking Models With High Performance for Recommender System
目录概符号说明RankingDistillation代码TangJ.andWangK.RankingDistillation:Learningcompactrankingmodelswithhighperformanceforrecommendersystem.KDD,2018.概在分类问题上,知识蒸馏一般利用最后的logits,本文希望学生和教师对top-K的items的
- 2023-08-28How Can Recommender Systems Benefit from Large Language Models: A Survey 阅读笔记
论文主要从LLM应用在推荐系统哪些部分以及LLM如何应用在推荐系统中，还讨论了目前LLM应用在RS中的一些问题。Where?推荐系统哪些部分哪里可以应用到大模型？文章中提到了特征工程、特征编码、评分/排序函数、推荐流程控制。LLMforFeatureEngineering用大模型做特征工程：利用