IP屬地：河南
-
推薦系統玩家 之 因子分解機FM（Factorization Machines）
推薦系統玩家 之 因子分解機FM（Factorization Machines）
-
可擴展個性化排名的批量學習框架個性化排名列表的頂部鼓勵高精度 現有的方法：（1）為非光滑排序度量尋找光滑的凸代理，（2）直接修改更新過程以提高最高精度 問題：不能很好地擴展到...
-
基于因果嵌入的用戶興趣與推薦一致性分離問題：推薦模型基于觀測交互數據，流行項目的從眾混合了用戶真正興趣。 一致性取決于用戶和項目：（用戶和項目關系）一個用戶對不同項目的一致性不同，不...
-
利用流行偏見的因果干預建議問題：流行偏差問題在數據上，項目在交互頻率上呈現不均勻分布在方法上，協同過濾方法容易通過過度推薦熱門項目來放大偏見 如何利用流行偏差來提高推薦的...
-
一種用于信息檢索的對抗性模仿點擊模型問題描述： 點擊模型：研究用戶和物品排名列表互動，為學習排序模型提供了關于用戶反饋的更好理解。 點擊模型的關鍵：構造關系 1.概率圖形模型（PG...
-
圖數據的對抗攻擊和防御：綜述型
圖對抗的難點：(1)與由連續特征組成的圖像不同，圖形結構和節點特征是離散的。很難設計出能夠在離散空間,中生成對立示例的高效算法。(2)敵對擾動被...
-
量子化學的神經信息傳遞解決問題：利用機器學習(尤其是深度學習)預測分子和材料的性質本質上，證明化學預測問題的有效機器學習模型能夠直接從分子圖中學習它們自己的特征，并且...
-
心理+智能華東師范大學計算機科學與技術學院的吳雯博士 例如購買哈利波特與魔法石基于內容的推薦：哈里波特與密室本質上是去尋找與剛剛你曾經瀏覽過或者曾經購買過...
-
對抗網絡圖：保護信息免受攻擊解決問題：鄰域聚合范式為試圖提取敏感屬性的節點級信息的攻擊者暴露了額外漏洞 惡意攻擊者在推斷時，偷取敏感信息 傳統GNN任務訓練 推斷-->...