[Reimprimir] Guía de lectura y compilación de documentos del sistema de recomendaciones
También vale la pena leer algunos puntos de investigación, como el arranque en frío, el sesgo y la corrección, la recomendación de secuencia, la interpretabilidad, la protección de la privacidad, etc. Estos estudios son interesantes e instructivos y pueden ayudarle a ampliar sus ideas de investigación.
Las siguientes clasificaciones se basan principalmente en mi propio criterio al leer el título o resumen, de acuerdo con la dirección de investigación del sistema de recomendación, las tecnologías recomendadas y los artículos reproducibles con propiedades experimentales especiales. Puede haber casos de omisiones y atribuciones erróneas. Por favor corrígeme.
Sala de capullo de información/cámara de eco)/burbuja de filtro, estos tres conceptos son similares y existen opiniones diferentes en el país y en el extranjero. En términos generales, se refiere al uso de redes sociales y aplicaciones de información con funciones de recomendación de algoritmos, lo que puede hacer que solo veamos contenido que nos interesa y con el que estamos de acuerdo, y luego dejar que cada uno viva en su propio pequeño mundo, lo que dificulta para identificar y comunicar. El concepto de esta parte se puede encontrar en el artículo de Zhihu:/p/71844281. Cuatro artículos analizan estas cuestiones.
Esta conferencia también tuvo muchas discusiones sobre exploración y utilización, como las máquinas tragamonedas dobby y el nuevo trabajo de Google, la exploración del lado del cliente.
Implica la corrección del aprendizaje de ranking y la exploración del sesgo del usuario.
La eliminación del sesgo de la retroalimentación implícita explica la clasificación por pares
Khalil Damak, Sami Hönis y Orfa Nasraoui
Reducción del sesgo de confusión en las recomendaciones a través de cuellos de botella en la información
Liu,,,,, He Xiuqiang, Pan Weike y
Sesgo del usuario en la medición de superprecisión de algoritmos de recomendación
Ningxia Wanghe
Uso del aprendizaje de gráficos y representación aprendiendo a hacer arranque en frío.
Ranking inicial en frío de artistas similares con codificadores automáticos de gráficos inspirados en la gravedad
Guillaume Salha-Galvin, Romain Hennequin, Benjamin Chaps, Yue'an Chen y Michalis Vazirjanis
Representación del proyecto neuronal compartido del problema completo del arranque en frío
Ramin Raziperchikolaei, Guannan Liang y Young-joo Chung
Implica el diseño de indicadores unificados, como la evaluación en línea o fuera de línea métodos, precisión y diversidad.
Evaluación de evaluaciones no políticas: sensibilidad y solidez
Eiji Saito Mori, Takuma Tagawa, Ai Kiyohara Aito, Tomokawa Motegi, Yusuke Narita y Kei Tateno
Rápido Evaluación de varios pasos de sistemas de recomendación basados en VAE
Diego Antonini y Boy Faltins
Métodos propuestos para la evaluación en línea de efectos causales
Masahiro Sato
Hacia una medida unificada de precisión y diversidad en los sistemas de recomendación
Javier Palapal y Filippo Radlinski
Recomendación de secuencia corta que involucra la dimensión de conversación usando Transformers comúnmente utilizados en PNL para discutir y resolver; Recomendación sobre las lagunas en la secuencia. ¡Estoy muy interesado en este trabajo y lo leeré detenidamente en el futuro!
La protección de la privacidad se une a la investigación federal.
Ataques de caja negra a recomendadores secuenciales mediante extracción de modelos sin datos
Yue Zhenrui, He Zhankui, Zeng Huimin y Julian Macaulay
Interacción a gran escala Sistema de recomendación conversacional
Ali Montazelegam, James Allen y Philip Thomas
Ejemplo 3: recomendación de conjunto de elementos interpretables que tienen en cuenta los atributos
Xian Yikun, Li Jing, Jim Chan, Andrey Kan, Xin Luna Dong, Christos Falousos, George Karypis, S. Muthukrishnan y Zhang Yongfeng
Recomendado para campos cruzados El modelo variacional alineado con la fuente
Aghiles Salah, Thanh Binh Tran y Hady Lauw
utilizan información visual para hacer recomendaciones.
Ambareesh Revanur, Vijay Kumar y Deepthi Sharma
Chen Huiyuan, Lin Yusan, Faye Wong y Yang Hao
Discutieron el sistema de recomendación de intención multiusuario en el Escena gastronómica Diseño de interacción.
‘Servir a todos’: respaldar diversos objetivos dietéticos a través de una interfaz de recomendaciones de listas múltiples
Alan Stark, Edith Asotage y Christopher Terra Turner
Implica iteraciones de lo tradicional filtrado colaborativo y aprendizaje métrico; explora técnicas emergentes de aprendizaje de gráficos, técnicas de aprendizaje federado y técnicas de aprendizaje por refuerzo.
La factorización matricial para el filtrado colaborativo no es más que resolver un modelo de asignación latente de Dirichlet adjunto
Florian Wilhelm
Filtrado colaborativo mejorado Interacciones negativas: no profundices, profundizar
Harald Steck y Liang Dawen
Protocolo f: Prototipo de filtrado colaborativo para un pequeño número de recomendaciones de artículos
Aravind Sankar, Junting Wang, Adit Krishnan y Hari Sundaram
La aplicación de mapas de conocimiento y la integración de tecnología de incorporación de gráficos y tecnología de representación contextual son de gran interés para ambos trabajadores.
Antonio Ferrara, Vito Walter Anelli, Tommaso di Noa y Alberto Carlo Maria Mancino
Marco Polignano, Cataldo Musto, Marco de Jamies, Pasquale Lopez y Giovanni Semeraro
Implica entrenamiento, optimización, recuperación, transmisión en tiempo real, etc.
Jeremy Rapaz, Julian McCauley y Carl Arbery
Los artículos de reproducibilidad pueden reproducir artículos experimentales, ***3 artículos. La estrategia de evaluación de muestreo en la recomendación de secuencia se analiza respectivamente; la comparación de los métodos de generación y búsqueda en el sistema de recomendación de diálogo: la comparación entre el sistema de recomendación de red neuronal y el sistema de recomendación de factorización matricial.
Al ordenar y clasificar los artículos, el autor también encontró algunos puntos de investigación interesantes, como: recomendar artículos sobre el efecto de cámara de eco del sistema y las soluciones de Transformers en la recomendación de secuencia y la representación de secuencia de PNL; Artículo del proyecto: Transformers4Rec; Fusión de representación de incrustación de gráficos y representación contextual: artículo comparativo sobre NCF y experimentos de frecuencia intermedia: