IP屬地：河南
-
推薦系統(tǒng)玩家 之 因子分解機(jī)FM（Factorization Machines）
推薦系統(tǒng)玩家 之 因子分解機(jī)FM（Factorization Machines）
-
可擴(kuò)展個(gè)性化排名的批量學(xué)習(xí)框架個(gè)性化排名列表的頂部鼓勵(lì)高精度 現(xiàn)有的方法：（1）為非光滑排序度量尋找光滑的凸代理，（2）直接修改更新過(guò)程以提高最高精度 問(wèn)題：不能很好地?cái)U(kuò)展到...
-
基于因果嵌入的用戶(hù)興趣與推薦一致性分離問(wèn)題：推薦模型基于觀(guān)測(cè)交互數(shù)據(jù)，流行項(xiàng)目的從眾混合了用戶(hù)真正興趣。 一致性取決于用戶(hù)和項(xiàng)目：（用戶(hù)和項(xiàng)目關(guān)系）一個(gè)用戶(hù)對(duì)不同項(xiàng)目的一致性不同，不...
-
利用流行偏見(jiàn)的因果干預(yù)建議問(wèn)題：流行偏差問(wèn)題在數(shù)據(jù)上，項(xiàng)目在交互頻率上呈現(xiàn)不均勻分布在方法上，協(xié)同過(guò)濾方法容易通過(guò)過(guò)度推薦熱門(mén)項(xiàng)目來(lái)放大偏見(jiàn) 如何利用流行偏差來(lái)提高推薦的...
-
一種用于信息檢索的對(duì)抗性模仿點(diǎn)擊模型問(wèn)題描述： 點(diǎn)擊模型：研究用戶(hù)和物品排名列表互動(dòng)，為學(xué)習(xí)排序模型提供了關(guān)于用戶(hù)反饋的更好理解。 點(diǎn)擊模型的關(guān)鍵：構(gòu)造關(guān)系 1.概率圖形模型（PG...
-
圖數(shù)據(jù)的對(duì)抗攻擊和防御：綜述型
圖對(duì)抗的難點(diǎn)：(1)與由連續(xù)特征組成的圖像不同，圖形結(jié)構(gòu)和節(jié)點(diǎn)特征是離散的。很難設(shè)計(jì)出能夠在離散空間,中生成對(duì)立示例的高效算法。(2)敵對(duì)擾動(dòng)被...
-
量子化學(xué)的神經(jīng)信息傳遞解決問(wèn)題：利用機(jī)器學(xué)習(xí)(尤其是深度學(xué)習(xí))預(yù)測(cè)分子和材料的性質(zhì)本質(zhì)上，證明化學(xué)預(yù)測(cè)問(wèn)題的有效機(jī)器學(xué)習(xí)模型能夠直接從分子圖中學(xué)習(xí)它們自己的特征，并且...
-
心理+智能華東師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院的吳雯博士 例如購(gòu)買(mǎi)哈利波特與魔法石基于內(nèi)容的推薦：哈里波特與密室本質(zhì)上是去尋找與剛剛你曾經(jīng)瀏覽過(guò)或者曾經(jīng)購(gòu)買(mǎi)過(guò)...
-
對(duì)抗網(wǎng)絡(luò)圖：保護(hù)信息免受攻擊解決問(wèn)題：鄰域聚合范式為試圖提取敏感屬性的節(jié)點(diǎn)級(jí)信息的攻擊者暴露了額外漏洞 惡意攻擊者在推斷時(shí)，偷取敏感信息 傳統(tǒng)GNN任務(wù)訓(xùn)練 推斷-->...